Matlab（9）影像处理（二）

Image Thresholding(图像阈值化)

如何数下图中有多少颗米？

1. 将图转为binary图，背景将变黑，米变白
2. 计算连在一起的白色区域有多少
   阈值图就是设定一个阈值，大于阈值的值都将被设为白色（1），小于阈值的值都将被设为黑色（0）

Image Thresholding

threshold（阈值）

• graythresh()
  找出阈值
• im2bw()
  根据阈值将影像转为binary image（二元图像）

也可以用两层循环遍历图像的每个点，然后与自定义的阈值比较，大于阈值置为1，小于阈值置为0，来实现上述函数

Background estimation

背景会影响图像识别，所以可以先把背景识别出来，然后用原图减掉他

这样原来的执行过程就可优化为：

imsubstract 是相减
可以看出准确度大大提高

Connected-component labeling

扫描图像中的点，将相连的同一非零数值标上label
过程：

1. 背景全部标0，label初始值为1
2. 从第一个非0点开始，值标为label（此时是1）
3. 将与这个点相连的点都标为label（1）
4. label=label+1（此时是2）
5. 寻找下一个非0点
6. …

从而实现数出米粒的颗数（即最后的label值）

• bwlabel()
  只用于binary image
  

1.bwlabel()

Matlab中bwlabel函数的使用
语法： L = bwlabel(BW,n)

返回一个和BW大小相同的L矩阵，包含了标记了BW中每个连通区域的类别标签，这些标签的值为1、2、num（连通区域的个数）。n的值为4或8，表示是按4连通寻找区域，还是8连通寻找，默认为8。

4连通/8连通

4连通/8连通是图像处理里的基本概念：

• 4连通是指，如果像素的位置在其他像素相邻的上、下、左 或 右，则认为他们是连接着的，连通的，
• 8连通，则是说一个像素，如果和其他像素在上、下、左、右、左上角、左下角、右上角 或 右下角连接着，则认为他们是联通的；

[L,num] = bwlabel(BW,n)这里num返回的就是BW中连通区域的个数。

---

通俗的说，这个函数的作用是用来找这个二值图像中的连通区域的，对于不同的符合条件的连通区域（4连通，8连通）分别用不同的标号加以区别，结果保存在L这个矩阵里，而num里保存的是输入图像中连通区域的总数。

example

2.label2rgb()

给不同label的标上特定颜色

3.cat()

任务：将米标为红色，背景标为黑色

cat() : 用来联结数组
用法：
C = cat(dim, A, B) 按dim来联结A和B两个数组。
C = cat(dim, A1, A2, A3, …) 按dim联结所有输入的数组。

一个常用的用法：
由于灰度图是二维的，RGB图是三维的，在做图像处理的时候，如果需要升维，可以考虑用cat，三个灰度图（二维矩阵）可以用cat叠加为三维的RGB图

example

imshow(cat(3,labeled,zeros(size(labeled,1),size(labeled,2)),zeros(size(labeled,1),size(labeled,2))))

4.降噪

有些米粒只有部分出现，可以设置阈值将阈值以下的置零
有些米粒两个连在了一起，可以设置阈值根据情况将阈值以上的数目乘2或更多

5.regionprops()

用途:get the properties of region，即用来度量图像区域属性的函数。

语法：STATS = regionprops(L,properties)

描述：测量标注矩阵L中每一个标注区域的一系列属性。
L中不同的正整数元素对应不同的区域，例如：L中等于整数1的元素对应区域1；L中等于整数2的元素对应区域2；以此类推。

返回值STATS是一个长度为max(L( : ))的结构数组，结构数组的相应域定义了每一个区域相应属性下的度量。

properties 可以是由逗号分割的字符串列表、饱含字符串的单元数组、单个字符串 ‘all’ 或者 ‘basic’。如果 properties 等于字符串 ‘all’，则所有下述字串列表中的度量数据都将被计算，如果 properties 没有指定或者等于 ‘basic’，则属性: ‘Area’, ‘Centroid’, 和 ‘BoundingBox’ 将被计算。

matlab的Regionprops详解

graindata(51)即查看第51颗米的数据

6.bwselect()

可以互动式选择米
十字标选中米，然后按esc 便会只显示这些选中的米