300字范文,内容丰富有趣,生活中的好帮手!
300字范文 > 图像阈值分割matlab 图像阈值分割Matlab版 | 学步园

图像阈值分割matlab 图像阈值分割Matlab版 | 学步园

时间:2020-01-31 18:52:41

相关推荐

图像阈值分割matlab 图像阈值分割Matlab版 | 学步园

图像阈值分割是一个非常简单的

而现在遇到的阈值分割却需要完成如下的多个功能:

1、基本的阈值分割:

大于阈值,则认为是目标;小于,则认为是背景

2、像素值较低才被认为是目标,即要把不等号反向

对图像像素点,小于阈值,认为是目标;大于阈值,则认为是背景。

3、可能进行阈值分割的图像只是标记图像

对标记图像进行分割后,需要在原始的图像上对分割的目标区域进行展示

这就需要输入原始图像

原始图像可能是灰度图像,也有可能是彩色图像

4、多个阈值进行分割

输出每个阈值进行分割的结果

花费了两个小时,完成了单阈值分割完成了功能1、2、3;本来将功能4也整合进来了,但感觉如此一来,代码太过费解,并且有一定的代码冗余,因此将其分离成一个单独的函数,通过调用单阈值分割实现。

功能 2 的实现: 增加一个偏置 标记 bias

若为1,则表示正常情况,大于阈值,则认为是目标

为-1时,则反之。

进行比较时用:bias*image>bias*thresh 对两种情况通用

%对标记图像进行阈值分割

%

%标记图像里像素值大于Thresh,则认为时病斑,否则认为是非病斑

%

%输入:

%image进行阈值分割的图像

%thresh分割的阈值

%bias分割的偏置,默认为1

%bias=+1大于阈值为1,小于阈值为0

%bias=-1大于阈值为0,小于阈值为1

%bgImage背景图像,image上标识为目标的区域被保留,而标识为背景的则删除

%默认为进行阈值分割的图像,即image

%

%输出:

%labBinaryImage标识病斑图像、二值图像

%labSrcImage在背景图像上作标记,标识病斑区域

%

%[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh);

%[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,bias);

%[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,bias,bgimage);

%

%-11-08%

function[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,varargin)

iptchecknargin(2,4,nargin,mfilename);%检测输入参数数量iptcheckinput(image,{'numeric'},{'2d','real','nonsparse'},mfilename,'image',1);

iptcheckinput(thresh,{'numeric'},{'row','nonempty','real'},mfilename,'thresh',2);

thresh=thresh(1);%只取第一个阈值bias=1;%偏置,默认为1if(nargin>2) %指定偏置

bias=varargin{1};end

if(bias~=1)%偏置只允许取值1和-1bias=-1;

end

image=double(image);%类型转换iptcheckinput(bias,{'numeric'},{'row','nonempty','integer'},mfilename,'bias',3);

if(nargin>3)%显示的背景图像

bgImage=varargin{2};

if((size(bgImage,1)~=size(image,1))||(size(bgImage,2)~=size(image,2)))

error('背景图像大小需与分割图像完全一致。');

end

else

bgImage=image;%默认为进行阈值分割的图像imageend

iptcheckinput(bgImage,{'numeric'},{'real','nonsparse'},mfilename,'bgImage',4);

%阈值分割,生成两幅标记图像

labBinaryImage=zeros(size(image));%在二值图像上标识病斑区域labBinaryImage(find(bias*image>=bias*thresh))=1;

if(nargout>1) %输出背景图像上标识病斑区域

forcur=1:size(bgImage,3)%对每个平面均进行标记,灰度图像与彩色图像均可

curLabSrcImage=bgImage(:,:,cur);curLabSrcImage(find(bias*image

labSrcImage(:,:,cur)=curLabSrcImage;

end

end

但也还存在一个问题,就是边界情况。即 bias*image=bias*thresh 的像素点的类别。bias取不同值其归类规则略有差别。比如归类规则:bias*image>bias*thresh,bias=1时表示大于阈值则认为是目标像素;bias=-1则小于等于阈值认为是目标像素。两者差一个等号。不能做到一致。

本内容不代表本网观点和政治立场,如有侵犯你的权益请联系我们处理。
网友评论
网友评论仅供其表达个人看法,并不表明网站立场。