区域生长算法提取鱼眼matlab读取raw

matlab读取raw图像

如下所示 https://download.csdn.net/download/wd1603926823/88747071 ：

id=fopen('F:\xrt_imgs\other\image_4267×4267.raw');
rows=4267;
cols=4267;
A = fread(id,[rows cols],'ushort');
A=uint16(A);
B=A';
figure
imshow(B,[])

imgsnum=10;
rows=600;
c=1;
colsplot=zeros((imgsnum+1)*rows,1);
colsplot=uint16(colsplot);

path1='G:\projects\images\sourceimgs\correct\20240110\bd\';
path2='_black.tiff';

realimgnum=0;
for imgid=0:imgsnum
    path1_2=num2str(imgid);
    path=[path1,path1_2,path2];
	corrected=imread(path);
    thecol=corrected(:,c);
    colsplot(realimgnum*rows+1:realimgnum*rows+rows,:)=thecol;
    realimgnum=realimgnum+1;
end

区域生长算法提取鱼眼ROI

这个算法的原理依然是来源于南京邮电大学 张伟的《鱼眼图像校正算法研究》 只不过这个算法是区域生长算法来提取鱼眼有效区域 根据论文原理 作者判断一个黑色像素点到底是属于鱼眼内还是鱼眼外的噪声点时候 用的是一个小圆 而我这里是用的一个80x80即6400个像素的模板 其它与论文一样 其中阈值T2可以取0.5附近的数

MATLAB跑循环程序比较慢 再加上电脑配置的原因 所以跑这个程序的时候我等了一会儿 如果嫌弃它慢 你们可以把步长改大一点 不用像我一样一个个像素的来 如果不改的话 那就耐心等待 

A=imread('F:\orl_zhifangtu\yuyan3.jpg');
T2=0.49；
[m,n,k]=size(A);
A=rgb2gray(A);
T1=graythresh(A);
T1=T1*255;
for i=1:m
    for j=1:n
        if(A(i,j)>=T1)
            A(i,j)=255;
        else
            A(i,j)=0;
        end
    end
end
M=0;
for i=1:m
    for j=1:n
        if(A(i,j)==0)
           for a=(i-39):(i+39)
               for b=(j-39):(j+39)
                   if((i-39)<1 || (i+39)>m || (j-39)<1 || (j+39)>n)
                       break;
                   else
                       if(A(a,b)==255)
                          M=M+1;
                       end
                   end
               end
           end
           if (M/6400>=T2)
               A(i,j)=255;
           end
           M=0;
        end
    end
end
imshow(A);

这样就完成了第一次遍历所有像素点 

这是第一次遍历的结果 可以看到原来的鱼眼图像中其实有很多偏暗的像素点 就像黑色背景一样 所以这图明显不是我们要的 所以还要继续进行遍历 再原来程序的基础上继续写：

for i=1:m
    for j=1:n
        if(A(i,j)>=T1)
            A(i,j)=255;
        else
            A(i,j)=0;
        end
    end
end
M=0;
for i=1:m
    for j=1:n
        if(A(i,j)==0)
           for a=(i-39):(i+39)
               for b=(j-39):(j+39)
                   if((i-39)<1 || (i+39)>m || (j-39)<1 || (j+39)>n)
                       break;
                   else
                       if(A(a,b)==255)
                          M=M+1;
                       end
                   end
               end
           end
           if (M/6400>=T2)
               A(i,j)=255;
           end
           M=0;
        end
    end
end
imshow(A);

这样就完成了第二次遍历 可以看到有一些黑色像素点被包进来了 我们继续遍历：

for i=1:m
    for j=1:n
        if(A(i,j)>=T1)
            A(i,j)=255;
        else
            A(i,j)=0;
        end
    end
end
M=0;
for i=1:m
    for j=1:n
        if(A(i,j)==0)
           for a=(i-39):(i+39)
               for b=(j-39):(j+39)
                   if((i-39)<1 || (i+39)>m || (j-39)<1 || (j+39)>n)
                       break;
                   else
                       if(A(a,b)==255)
                          M=M+1;
                       end
                   end
               end
           end
           if (M/6400>=T2)
               A(i,j)=255;
           end
           M=0;
        end
    end
end
imshow(A);

这是结果 可以看到有很多属于鱼眼图像的黑色像素点被包进鱼眼图像了 如果这个结果还不令你满意 可以继续遍历 就像论文所说 知道所有像素不再变化为止：继续写遍历程序 可以分别得到下面的结果：

当遍历到这一次 我们看到基本上所有属于鱼眼图像的黑色像素点已经被包进去了 不会把原来鱼眼的黑色像素划为背景了 这样已经基本得到了令人满意的结果 不用再继续遍历了     （其实这个6400的正方形的模板来遍历整个图像速度不算特别快 所以你可以改成100x100的模板 也就是10000个像素点 这样效果会快一些 我这个模板大概要遍历六七次效果才比较好 但10000的模板只用四次就可以达到比较好的效果 我试过 这里就不贴图了。）

所有的白色像素点即为鱼眼图像有效区域 然后我们再用论文所说 用边缘检测算法得到这个区域（这个程序留给下次再编写）