主要内容

imseggeodesic

使用基于测地距离的颜色分割将图像分割为两个或三个区域

折叠所有页面

语法

L = imseggeodesic (RGB, BW1 BW2)
L=imSeg测地线（RGB，BW1，BW2，BW3）
(L P) = imseggeodesic (＿＿＿）
(L P) = imseggeodesic (＿＿＿，名称，值）

描述

例子

l=不连续测地线(RGB，BW1，BW2）分割彩色图像RGB，返回带标签的分割二值图像l．BW1和BW2指定初始种子区域位置的二值图像是否称为涂鸦，用于两个区域（前景和背景）。

imseggeodesic使用中指定的涂鸦BW1和BW2作为代表性样本，用于计算各自区域的统计信息，然后用于分割BW1和BW2(逻辑上为真的区域)不应重叠。底层算法使用由涂鸦标记的区域估计的统计数据进行分割。被涂鸦标记的像素越多，区域统计的估计就越准确，这通常会导致更精确的分割。因此，提供尽可能多的涂鸦是一个很好的实践。通常，为每个区域提供至少几百个像素作为涂鸦。

例子

l=不连续测地线(RGB，BW1，BW2，BW3）分割彩色图像RGB，返回带有标签矩阵指定的区域标签的三段分割图像(三元分割)l．BW1，BW2和BW3是指定初始种子区域或三个区域的涂鸦位置的二进制图像。由指定的涂鸦BW1，BW2和BW3(逻辑上为真的区域)不应重叠。

例子

［l，P]=不连续测地线(＿＿＿）也返回属于矩阵中每个标签的每个像素的概率P．

例子

［l，P]=不连续测地线(＿＿＿，名称、值）使用名称-值对来控制分段的各个方面。

例子

全部崩溃

打开实时脚本

读取并显示图像。

RGB=imread(‘yellowlily.jpg’）;imshow (RGB)

图中包含一个轴对象。axis对象包含一个image类型的对象。

目标是分割花瓣绘图矩形函数。以红色显示ROI。“位置”名称-值对参数将ROI的左上角坐标、宽度和高度指定为4元素向量[xmin，ymin，宽度，高度]．如果想以交互方式绘制矩形，则省略'Position'名称-值对参数。

roiObject=绘图矩形（gca，“位置”，[350 700 375 120]，“颜色”，“r”）;

图中包含一个轴对象。axis对象包含两个类型为image的对象，images.roi.rectangle。

将背景的初始种子区域指定为矩形ROI。以蓝色显示ROI。

roiBackground = drawrectangle (gca),“位置”，[90 1230 910 190]，“颜色”，“b”）;

图中包含一个轴对象。axis对象包含3个类型为image的对象，images.roi.rectangle。

为ROI所在的每个ROI创建掩码符合事实的其他像素是错误的．

maskObject=createMask（roiObject）；maskBackground=createMask（roiBackground）；

段的图像。

[L，P]=imSeg测地线（RGB、maskObject、maskBackground）；

显示分段标签。

imshow (label2rgb (L)标题(“分段标签”）

图中包含一个轴对象。具有标题分段标签的axes对象包含一个类型为image的对象。

在原始图像上显示分段标签。

L) imshow (labeloverlay (RGB)标题(“标签覆盖在原始图像上”）

图中包含一个轴对象。标题标签覆盖在原始图像上的轴对象包含类型为Image的对象。

打开实时脚本

读取并显示图像。

RGB=imread(‘yellowlily.jpg’）;imshow (RGB)

图中包含一个轴对象。axis对象包含一个image类型的对象。

第一个区域是黄色的花瓣。方法指定初始种子区域为矩形ROI绘图矩形函数。用黄色画ROI。“Position”名称-值对参数指定ROI的左上角坐标、宽度和高度作为4元素向量[xmin，ymin，宽度，高度]．如果想以交互方式绘制矩形，则省略'Position'名称-值对参数。

r1 = drawrectangle (gca),“位置”，[350 700 425 120]，“颜色”，“是的”）;

图中包含一个轴对象。axis对象包含两个类型为image的对象，images.roi.rectangle。

第二个区域由绿叶组成。将种子区域指定为矩形ROI，并用红色绘制ROI。

r2=拉深矩形（gca，“位置”,[800 1124 120 230],“颜色”，“r”）;

图中包含一个轴对象。axis对象包含3个类型为image的对象，images.roi.rectangle。

第三个区域是背景，也就是图像中的污垢。指定种子区域为矩形ROI，并用蓝色绘制ROI。

r3 = drawrectangle (gca),“位置”,[1010 290 180 240],“颜色”，“b”）;

图中包含一个轴对象。axis对象包含4个类型为image的对象，images.roi.rectangle。

为ROI所在的每个ROI创建掩码符合事实的其他像素是错误的．

mask1 = createMask (r1);mask2 = createMask (r2);mask3 = createMask (r3);

段的图像。

[L，P]=imseg测地线（RGB，mask1，mask2，mask3，“AdaptiveChannelWeighting”,真正的);

在原始图像上显示分段标签。

L) imshow (labeloverlay (RGB)标题(“具有三个区域的分割图像”）

图中包含一个Axis对象。带有标题的Axis对象（带有三个区域的分割图像）包含一个Image类型的对象。

图像右下角被错误分类为区域2（叶子）。添加另一个背景ROI。

r4=拉伸矩形（gca，“位置”,[20 1320 480 200],“颜色”，“b”）;

图中包含一个Axis对象。Axis对象的标题为带有三个区域的分割图像，包含两个类型为Image的对象，images.roi.rectangle。

mask4 = createMask (r4);maskBackground = mask3 + mask4;

分割图像，然后将分割后的标签显示在原始图像上。

[L，P]=ImSeg测地线（RGB，mask1，mask2，maskBackground，“AdaptiveChannelWeighting”,真正的);L) imshow (labeloverlay (RGB)标题(“具有三个区域的细化分割图像”）

图中包含一个轴对象。标题为“三区域精细分割图像”的轴对象包含一个类型为“图像”的对象。

显示每个像素属于每个标签的概率。

蒙太奇（P，“尺寸”3[1])标题('每个像素属于每个标签的概率'）

Figure包含一个Axis对象。Axis对象的标题概率为每个像素属于每个标签，该对象包含一个image类型的对象。

输入参数

全部崩溃

要分割的图像，指定为RGB图像。imseggeodesic在执行分割之前，将输入RGB图像转换为YCbCr颜色空间。

例子：RGB = imread(“peppers.png”);

数据类型：双重的|uint8|uint16

第一个区域的涂鸦图像，指定为逻辑矩阵。BW1必须具有与输入图像相同的行数和列数RGB。要以交互方式创建涂鸦，请首先使用以下功能绘制ROI：drawcircle，手绘，drawpolygon,或绘图矩形．然后，创建一个蒙版从ROI使用createMask．

数据类型：逻辑

第二个区域的涂鸦图像，指定为逻辑矩阵。BW2必须具有与输入图像相同的行数和列数RGB。要以交互方式创建涂鸦，请首先使用以下功能绘制ROI：drawcircle，手绘，drawpolygon,或绘图矩形．然后，创建一个蒙版从ROI使用createMask．

数据类型：逻辑

第三个区域的涂鸦图像，指定为逻辑矩阵。BW3必须具有与输入图像相同的行数和列数RGB。要以交互方式创建涂鸦，请首先使用以下功能绘制ROI：drawcircle，手绘，drawpolygon,或绘图矩形．然后，创建一个蒙版从ROI使用createMask．

数据类型：逻辑

名称-值参数

指定可选的逗号分隔的对名称、值论据。的名字参数名和价值是对应的值。的名字必须出现在引号内。您可以按任意顺序指定多个名称和值对参数，如下所示：名称1，值1，…，名称，值．

例子：[L，P]=imSeg测地线（RGB，BW1，BW2，BW3，'AdaptiveChannel Weighting'，真）；

使用自适应通道加权，指定为逻辑标量。当符合事实的，imseggeodesic根据通道中对分割有用的歧视性信息(基于作为输入提供的涂鸦)的数量对通道进行权重。当错误的（违约），imseggeodesic所有通道的权重相等。

数据类型：逻辑

输出参数

全部崩溃

标记矩阵，作为非负整数矩阵返回。标记的像素0背景和像素被标记了吗1识别一个分割区域。像素标记2在三叉分割中识别另一个分割区域。

数据类型：双重的

像素属于标记区域的概率，指定为米-借-N-by-2矩阵用于二进制分割或米-借-N-用于三元分割的by-3矩阵。米和N是输入图像中的行数和列数。P（i，j，k）指定位置上像素的概率（i，j）属于标签k．

数据类型：双重的

提示

  • 两个（或三个）区域的涂鸦不应相互重叠。每个涂鸦矩阵(BW1，BW2和BW3)应该是非空的，也就是说，应该至少有一个像素（虽然越多越好）标记为逻辑符合事实的在每一幅涂鸦中。

算法

imseggeodesic使用基于测地距离的颜色分割算法（类似于[1]).

工具书类

A. Protiere和G. Sapiro，基于自适应加权距离的交互式图像分割，IEEE图像处理学报，第16卷，2007年第4期。

另请参阅

|||

R2015a中引入

图像处理工具箱文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书