图像分割计数的一种简便方法

     灰度图像的分割和计数是数字图像处理中常遇到的一个问题，MATLAB 2018b中提供了一个Correct Nonuniform llumination and Analyze Foreground Objects实例，其主要通过数学形态学进行大米图像背景估计，并利用图像减法和对比度拉伸后再对图像进行二值化处理，最后再进行技术。该方法步骤较为复杂，下面提出一种大米图像分割计数的一种简便方法。

    该方法的主要步骤：读入MATLAB自带rice.png图像，然后使用imbinarize对其进行二值化，发现使用局部自适应阈值处理效果好，然后使用数学形态学命令去除噪声，对去噪后图像进行图像标记和计数，最后对原始灰度图像rice.png的主要图像处理过程进行显示。

详细代码如下：

%大米计数的一种新方法

%大米图像分割和计数的一种新方法

clear all;

close all;

clc;

I=imread('rice.png');

imshow(I);

bw=imbinarize(I);%通过OSTU方法进行图像二值化

figure,imshow(bw);

bw2=imbinarize(I,'adaptive');%使用局部自适应阈值对图像进行二值化

figure,imshow(bw2);

obj=bwareaopen(bw2,20);%去除噪声消除面积小于20像素的区域

figure,imshow(obj);

[L Num]=bwlabel(obj);

disp('大米个数为')

Num  %大米总数为95个

obj2=imclearborder(obj);% 清除与边界连通的大米

figure,imshow(obj2);

[L2 Num2]=bwlabel(obj2);

disp('清除与边界连通的大米个数为')

Num2 %清除与边界连通的大米个数为69个

figure('Name','大米图像分割和计数的一种新方法','Numbertitle','off');

subplot(2,3,1),imshow(I),title('读入大米图像');

subplot(2,3,2),imshow(bw),title('使用OTSU方法进行图像二值化');

subplot(2,3,3),imshow(bw2),title('使用局部自适应阈值对图像进行二值化');

subplot(2,3,4),imshow(obj),title('去除噪声');

subplot(2,3,5),imshow(obj2),title('清除与边界连通的大米');

%%本程序在MATLAB 2018b检测通过，如果大家觉得该程序有所帮助，请关注、点赞

最后运行结果如下图所示：

原始图像：