识别圆形对象

打开直播脚本

此示例显示如何根据其圆度对对象进行分类Bwboundaries.，一个边界跟踪程序。

第1步：读取图像

阅读Pills_etc.png.。

rgb = imread（'pillsetc.png');imshow（RGB）

第2步：阈值图像

将图像转换为黑白，以便使用边界跟踪Bwboundaries.。

i = RGB2GRAY（RGB）;bw = imbinarize（i）;imshow（bw）

第3步：消除噪音

使用形态函数，删除不属于感兴趣对象的像素。

删除包含少于30个像素的所有对象。

BW = Bwareaopen（BW，30）;imshow（bw）

填补笔帽的差距。

se = strel（'盘'，2）;bw = imclose（bw，se）;imshow（bw）

填充任何漏洞，以便可以使用区域分植来估计每个边界包围的区域

bw = imfill（bw，'洞');imshow（bw）

第4步：找到边界

仅限于外界。选项'Noholes'将通过防止加速处理Bwboundaries.寻找内部轮廓。

[b，l] = bwboundaries（bw，'noholes');

显示标签矩阵并绘制每个边界。

imshow（Label2RGB（L，@ Jet，[5.5 .5]））保持在为了k = 1：长度（b）边界= b {k};绘图（边界（：，2），边界（：，1），'W'那'行宽'2）结尾

第五步:确定哪些对象是圆形的

估计每个对象的区域和周边。使用这些结果形成一个简单的度量标准，指示对象的圆度：

$公制 = \frac{4. π * 区域}{{周长}^{2}}$

该度量仅为圆的仅为1，并且对于任何其他形状小于一个。可以通过设置适当的阈值来控制歧视过程。在该示例中，使用0.94的阈值，因此只有药丸将被归类为圆形。

使用区域植物获取所有对象的区域的估计值。请注意，标签矩阵返回Bwboundaries.可以重用区域植物。

统计= RegionProps（L，'区域'那'质心');阈值= 0.94;％循环边界为了k = 1：长度（b）％获得（x，y）边界坐标对应标签'k'边界= B {k};％计算对象的周边的简单估计delta_sq = diff（边界）。^ 2;周边= sum（sqrt（sum（delta__sq，2）））;％获得对应于标签'k'的区域计算面积= (k) .Area统计数据;％计算舍入度量度量= 4 * Pi *区域/周边^ 2;％显示结果metric_string = sprintf（'％2.2f'，公制）;用黑色圆圈高于阈值的％标记对象如果公制>阈值Centroid =统计数据（k）.Centroid;绘图（质心（1），质心（2），'ko');结尾文本（边界（1,2）-35，边界（1,1）+ 13，Metric_String，'颜色'那'是'那......'字体大小'，14，'fontweight'那'大胆的'）结尾标题（[“较近1的指标表明了”那......"物体大致是圆的"]）