imbinarize

二值化二维灰度图像或三维体积的阈值

折叠所有页面

语法

BW = imbinarize(我)

BW = imbinarize(我的方法)

BW = imbinarize(我,T)

BW = imbinarize(“自适应”,我名字,值)

描述

例子

BW= imbinarize (我）从二维或三维灰度图像生成二值图像我将全局确定阈值以上的所有值替换为1，并将所有其他值设置为0年代。默认情况下,imbinarize采用Otsu的方法，选择阈值以最小化阈值黑白像素的类内方差［1］．imbinarize使用256-bin图像直方图计算大津的阈值。要使用不同的直方图，请看otsuthresh．

例子

BW= imbinarize (我，方法）从图像创建二进制图像我使用指定的阈值方法方法：“全球”或“自适应”．

BW= imbinarize (我，T）从图像创建二进制图像我使用阈值T．T可以是全局图像阈值，指定为标量亮度值，也可以是局部自适应阈值，指定为亮度值矩阵。

例子

BW= imbinarize (我“自适应”,名称,值）从图像创建二进制图像我使用名称-值对控制自适应阈值的各个方面。

例子

全部折叠

使用全局阈值对图像进行二值化

打开生活的脚本

将灰度图像读取到工作区中。

我= imread (“coins.png”）;

将图像转换为二值图像。

BW = imbinarize(我);

显示原始图像旁边的二进制版本。

图imshowpair (BW,我“蒙太奇”）

图中包含一个坐标轴。轴包含一个image类型的对象。

基于局部自适应阈值的图像二值化

打开生活的脚本

读取灰度图像到工作空间。

我= imread (“rice.png”）;

将灰度图像转换为二值图像。

BW = imbinarize(我“自适应”）;

显示原始图像沿二进制版本。

图imshowpair (BW,我“蒙太奇”）

图中包含一个坐标轴。轴包含一个image类型的对象。

对前景比背景暗的图像进行二值化

打开生活的脚本

将灰度图像读入工作区并显示它。

我= imread (“printedtext.png”）;图imshow(我)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。

使用自适应阈值将图像转换为二值图像。使用ForegroundPolarity参数，表示前景比背景暗。

BW = imbinarize(我“自适应”，“ForegroundPolarity”，“黑暗”，“敏感”, 0.4);

显示图像的二进制版本。

图imshow (BW)标题(“图像的二进制版本”）

图中包含一个坐标轴。标题为Image二进制版本的轴包含Image类型的对象。

使用全局阈值对三维体积进行二值化

打开生活的脚本

将3-D灰度强度数据加载到工作区中。

负载mristack；V = mristack;

查看3d音量。

图片(双(V)、大小(V, 2) / 2,大小(V, 1) / 2,大小(V, 3) / 2) colormap灰色的阴影插值函数

图中包含一个坐标轴。轴包含3个类型为surface的对象。

将强度体积转换为三维二进制体积。

J = imbinarize (V);

查看3-D二进制卷。

图片(双(J),大小(J, 2) / 2,大小(J - 1) / 2,大小(J, 3) / 2) colormap灰色的阴影插值函数

图中包含一个坐标轴。轴包含3个类型为surface的对象。

输入参数

全部折叠

`我`- - - - - -输入图像
二维灰度图像|三维灰度体积

输入图像，指定为二维灰度图像或三维灰度体积。imbinarize期望数据类型的像素值双和单在[0,1]范围内。你可以使用重新调节函数将像素值调整到预期范围。

请注意

imbinarize将RGB图像解释为容积灰度图像，不分别对每个通道进行二值化。要从RGB图像产生二值图像，首先将该图像转换为灰度图像rgb2gray．

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

`方法`- - - - - -用于图像二值化的方法
`“全球”`(默认)|`“自适应”`

用于图像二值化的方法，指定为下列值之一。

值	意义
`“全球”`	使用Otsu方法计算全局图像阈值。看到`graythresh`查阅更多关于大津方法的资料。
`“自适应”`	使用每个像素周围的一阶图像统计信息计算局部自适应图像阈值。看到`adaptthresh`获取详细信息。如果图像包含`正`年代或`南`S，行为`imbinarize`为`“自适应”`方法定义。传播的`正`年代或`南`S可能不局限于周围的邻域`正`和`南`像素。

数据类型:字符|字符串

`T`- - - - - -阈值
数字标量|数字数组

亮度阈值，指定为数值标量或数值数组，其值范围为[0,1]。

如果T是数字标量吗imbinarize解释T作为一个全局图像阈值。使用graythresh或otsuthresh计算全局图像阈值。
如果T是一个数字数组吗imbinarize解释T作为局部自适应阈值。使用adaptthresh计算局部自适应阈值。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

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:BW = imbinarize(“自适应”,我“敏感性”,0.4);

`“敏感”`- - - - - -自适应阈值的灵敏度因子
`0.50`(默认)|在[0,1]范围内的数字

自适应阈值的灵敏度因子，指定为逗号分隔对，由“敏感”和一个在[0,1]范围内的数字。一个高灵敏度值导致阈值更多的像素作为前景，在包括一些背景像素的风险。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

`“ForegroundPolarity”`- - - - - -确定哪些像素被认为是前景像素
`“光明”`(默认)|`“黑暗”`

确定哪些像素被认为是用于自适应阈值的前景像素，指定为逗号分隔对，由“ForegroundPolarity”和下列值之一。

价值	意义
`“光明”`	前景比背景亮。
`“黑暗”`	前景比背景暗

数据类型:字符|字符串

输出参数

全部折叠

`BW`-输出二进制图像
逻辑矩阵|逻辑阵列

输出二进制图像，返回为与之大小相同的逻辑矩阵或逻辑数组我．

数据类型:逻辑

提示

要从索引图像生成二值图像，首先使用ind2gray．

算法

的“自适应”方法采用局部自适应阈值对图像进行二值化处理。imbinarize使用像素附近的局部平均强度计算每个像素的阈值。这种技术也被称为布拉德利法［2］．的“自适应”方法还使用了约为图像大小的1/8的邻域大小(计算为2 *地板(大小(I) / 16) + 1）.要使用不同的一阶局部统计量或不同的邻域大小，请参阅adaptthresh．

参考文献

［1］从灰度直方图中选取阈值的方法。IEEE系统、人与控制论汇刊．1979年第9卷第1期62-66页。

［2］布拉德利，D.， G.罗斯，《利用整体图像适应阈值法》，图形工具杂志．中国矿业大学学报(自然科学版)，2007年第12卷第2期，第13 - 21页。

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

使用注意事项及限制:

imbinarize金宝app支持C代码的生成(需要MATLAB^®编码器™）.请注意，如果您选择genericMATLAB主机目标平台,imbinarize生成使用预编译的、特定于平台的共享库的代码。使用共享库可以保持性能优化，但限制了可以为其生成代码的目标平台。有关更多信息，请参见使用共享库生成代码．
在生成代码时，所有字符向量输入参数必须是编译时常量。

GPU的代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

使用注意事项及限制:

在生成代码时，所有字符向量输入参数必须是编译时常量。

另请参阅

adaptthresh|graythresh|图像裂殖体|otsuthresh

介绍了R2016a

imbinarize

语法

描述

例子

使用全局阈值对图像进行二值化

基于局部自适应阈值的图像二值化

对前景比背景暗的图像进行二值化

使用全局阈值对三维体积进行二值化

输入参数

`我`- - - - - -输入图像
二维灰度图像|三维灰度体积

`方法`- - - - - -用于图像二值化的方法
`“全球”`(默认)|`“自适应”`

`T`- - - - - -阈值
数字标量|数字数组

名称-值对的观点

`“敏感”`- - - - - -自适应阈值的灵敏度因子
`0.50`(默认)|在[0,1]范围内的数字

`“ForegroundPolarity”`- - - - - -确定哪些像素被认为是前景像素
`“光明”`(默认)|`“黑暗”`

输出参数

`BW`-输出二进制图像
逻辑矩阵|逻辑阵列

提示

算法

参考文献

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

GPU的代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

另请参阅

图像处理工具箱文档

金宝app

介绍基于MATLAB的深度学习

imbinarize

语法

描述

例子

使用全局阈值对图像进行二值化

基于局部自适应阈值的图像二值化

对前景比背景暗的图像进行二值化

使用全局阈值对三维体积进行二值化

输入参数

我- - - - - -输入图像二维灰度图像|三维灰度体积

方法- - - - - -用于图像二值化的方法“全球”(默认)|“自适应”

T- - - - - -阈值数字标量|数字数组

名称-值对的观点

“敏感”- - - - - -自适应阈值的灵敏度因子0.50(默认)|在[0,1]范围内的数字

“ForegroundPolarity”- - - - - -确定哪些像素被认为是前景像素“光明”(默认)|“黑暗”

输出参数

BW-输出二进制图像逻辑矩阵|逻辑阵列

提示

算法

参考文献

扩展功能

C / c++代码生成使用MATLAB®Coder™生成C和c++代码。

GPU的代码生成使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

另请参阅

图像处理工具箱文档

金宝app

介绍基于MATLAB的深度学习

`我`- - - - - -输入图像
二维灰度图像|三维灰度体积

`方法`- - - - - -用于图像二值化的方法
`“全球”`(默认)|`“自适应”`

`T`- - - - - -阈值
数字标量|数字数组

`“敏感”`- - - - - -自适应阈值的灵敏度因子
`0.50`(默认)|在[0,1]范围内的数字

`“ForegroundPolarity”`- - - - - -确定哪些像素被认为是前景像素
`“光明”`(默认)|`“黑暗”`

`BW`-输出二进制图像
逻辑矩阵|逻辑阵列

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

GPU的代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。