图像处理中灰度密度图像

2016/7/17

在分割图像中，经常会对图像进行差分处理再进行分割，那么对于一个输入的带有导管信息的差分图像（如图所示），该如何分割出导管信息呢，方法是构造灰度密度图像进行分割。具体步骤和实现效果容我慢慢道来。

 

1、  输入一个差分图像

2、  对该差分图像的每条边界扩充10个像素点，扩充像素点的像素值设置为0;

遍历图像，记灰度最大值为Max。这里我自己写的扩充边界的函数，同时统计灰度最大值。还可以使用函数copyMakeBorder();不过该函数的接口是Mat型的，参数较为复杂。使用IplImage* 图像格式的时候记得转换。

3、  构造一个21*21的模板，从像素点(10,10)开始遍历新图像，统计模板内灰度值大于0.5*Max的像素点的数目，将其转化为(0-255)之间，构造灰度密度图像。

4、  对灰度密度图像进行二维Otsu阈值分割，得到分割后的导管图像。

源码如下：

 

#include <opencv2/opencv.hpp>

#include <iostream>

 

using namespace std;

   

double max_pixel=0;

double count_pixel(int i,int j,IplImage* a);

 

int cvOtsu2D(CvMat *pGrayMat) ;

 

/*扩展边界*/