主要内容

gradientweight

基于图像梯度计算图像像素的权重

折叠所有页面

语法

W = gradientweight(我)
σW = gradientweight(我)
W = gradientweight(___、名称、值)

描述

W= gradientweight (我）计算图像中每个像素的像素权重我基于该像素的梯度大小，并返回权重数组W．像素的权重与像素位置的梯度值成反比。梯度幅度小的像素(平滑区域)具有较大的权重，梯度幅度大的像素(如边缘)具有较小的权重。

W= gradientweight (我，σ）使用σ为高斯函数导数的标准差，用于计算图像梯度。

例子

W= gradientweight (___,名称,值）返回权重数组W使用名称-值对来控制权重计算的各个方面。

例子

全部折叠

打开生活的脚本

本例使用基于图像梯度的权值的快速行进方法分割图像。

读取图像并显示它。

我= imread (“coins.png”）;imshow (I)标题(原始图像的）

图中包含一个坐标轴。标题为“原始图像”的轴包含一个类型为“图像”的对象。

基于图像梯度计算权重。

σ= 1.5;W =梯度权重(I, sigma，“RolloffFactor”3,“WeightCutoff”, 0.25);

选择种子位置。

R = 70;C = 216;持有在；情节(C R“r”。，“线宽”, 1.5,“MarkerSize”15);标题(“带有种子位置的原始图像”）

图中包含一个坐标轴。标题为Original Image with Seed Location的轴包含两个类型为Image, line的对象。

使用权重数组分割图像。

打= 0.1;[BW, D] = imsegfmm(W, C, R, thresh);图中,imshow (BW)标题(“分割图像”)举行在；情节(C R“r”。，“线宽”, 1.5,“MarkerSize”15);

图中包含一个坐标轴。标题为分割图像的轴包含两个类型为图像、线的对象。

测地距离矩阵D可以用不同的阈值进行阈值分割得到不同的分割结果。

图中,imshow (D)标题(“测地线距离”)举行在；情节(C R“r”。，“线宽”, 1.5,“MarkerSize”15);

图中包含一个坐标轴。标题为测地线距离的轴包含2个类型为image, line的对象。

输入参数

全部折叠

灰度图像，指定为数字矩阵。

数据类型:单|双|int8|uint8|int16|uint16|int32|uint32

高斯函数导数的标准差，指定为正数。

数据类型:双

名称-值对的观点

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:W = gradientweight(我,1.5,“RolloffFactor”、3、“WeightCutoff”,0.25);

输出权重滚动因子，指定为逗号分隔对，由“RolloffFactor”一个正标量双．控制权重值作为梯度大小的函数下降的速度。在二维图中，像素强度值可能在区域边缘逐渐变化，形成一个平缓的坡度。在分割后的图像中，您可能希望边缘更明确。使用滚落因子，您可以在强度值开始变化的点上控制权重值曲线的斜率。如果指定一个高值，则输出权值会在平滑区域的边缘急剧下降。如果您指定一个较低的值，则输出权值在边缘周围会逐渐下降。此参数的建议范围为(0.5 - 4)．

数据类型:双

权重值的阈值，指定为逗号分隔对，由“WeightCutoff”和范围内的正数(1 e - 3 (1)．如果使用此参数设置权重值的阈值，它将抑制小于指定值的任何权重值，将这些像素设置为一个小常量值(1e-3)。当您使用输出权重数组时，此参数在提高输出的准确性方面非常有用W作为Fast Marching Method分割函数的输入，imsegfmm．

数据类型:双

输出参数

全部折叠

权重数组，作为与输入图像大小相同的数字数组返回，我．权重数组属于class双,除非我是单在这种情况下，它是有阶级的单．

提示

  • gradientweight类的内部计算使用双精度浮点运算我,除非我的类单在这种情况下gradientweight在内部使用单精度浮点运算。

另请参阅

|

介绍了R2014b

图像处理工具箱文档

金宝app

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书