用MATLAB进行图像处理

图像处理概念、算法和MATLAB

使用合并到阈值灰度图像

张贴了史蒂夫埃德丁，

596次浏览(过去30天 喜欢| 0评论
今天，我想说服你使用 imbinarize 而不是 IM2BW. ．
背景:我最近看到一些数据表明，许多图像处理工具箱的用户仍然在使用 IM2BW. ，一个旧功能，可在1993年回到原始工具箱版本。我们建议使用较新的功能， imbinarize ，因为它在最常见的场景中节省了一个步骤，而且如果您需要它，它还提供了额外的灵活性。
我会通过更新一个名为的旧博客帖子主题来解释 “跟踪乔治” 我试着提取如下图所示的曲线:
URL =.“https://blogs.mathworks.com/images/steve/36/george.jpg”；
I = imread (url);
imshow（i）
我称这个“乔治”。我最初创建了乔治，了解了书中的一些示例和图表 使用MATLAB的数字图像处理 ．我发现在某些时候，我需要重现轮廓曲线，但我没有原始曲线数据。（愚蠢的我。）所以，我尝试了从图像中提取原始曲线数据的方法。
第一步显然是给图像设定阈值。在我最初的博文中，我一起使用了两个函数:
阈值= graythresh(我);
bw = im2bw(阈值)
这个函数 曲折 用于计算“最优”阈值(根据某些标准进行最优)。这个函数 IM2BW. 可以在不指定第二个参数的情况下使用，但是它只需使用通常不令人满意的固定阈值：
bw = im2bw(我);
imshow (bw)
结果与 曲折 要好得多。
t = twaythresh（i）
t = 0.4392.
bw2 = im2bw (t);
imshow（bw2）
随着时间的推移，我们发现几乎每个人(包括我们自己)都在使用 IM2BW. 和 曲折 在一起。这导致了对功能设计的重新考虑。替换功能, imbinarize ,使用 曲折 自动。
bw3 = imbinarize(我);
imshow (bw3)
作为附注，下面是我用来提取曲线的其余代码。看到我的原 "追踪乔治"的博客文章 有关解释。
bw4 = ~ bw3;
BW5 = BWMORPH（BW4，'瘦'，INF）;
界限= BWBoundaries（BW5）;
b =边界{1};
B = B (1:floor(end/2)，:);
x = b (:, 2);
Y = B（：1）;
绘图（x，y）
轴ij
轴平等的
标题(“乔治·p·Burdell”）

局部自适应阈值

对于更困难的阈值挑战， imbinarize 还支持局部金宝app自适应方法。为了演示，这里是使用Matlab的数字图像处理的页面的图片，我刚刚在我的办公室拍摄，不均匀的照明。
page_url =.“https://blogs.mathworks.com/steve/files/dipum3e-page-388-gray.jpg”；
一个= imread (page_url);
imshow (A)
由于照明不均匀，即使是最佳的全局阈值也不会产生合适的结果。
page_bw = imbinarize(一个);
imshow（page_bw）
你可以看到在右上角有一块缺失的文字区域。局部自适应阈值方法比较好。这个函数 imbinarize 金宝app支持局部自适应方法，使用该方法指定 “自适应” 输入选项。但是，使用本地自适应方法，指定前景是否比背景更浅或较暗是非常有帮助的。你可以告诉 imbinarize 这些信息使用 “ForegroundPolarity” 选项。
这里是它的行动。
page_bw2 = imbinarize (,“自适应”，“ForegroundPolarity”，“黑暗”）;
imshow (page_bw2)
您可以看到，现在所有文本都已干净地包含在生成的二进制图像中。
所以，下次你再伸手 IM2BW. 和 曲折 ，试着用 imbinarize 代替。
|
  • 打印
  • 发送电子邮件

另请参阅

评论

要留下评论，请点击这里登录到您的MathWorks帐户或创建一个新帐户。