这个例子展示了如何根据纹理识别和分割区域。
读取并显示袋子上纹理图案的灰度图像。
我= imread (“bag.png”);imshow(I)标题(原始图像的)
使用熵过滤
创建纹理图像。函数熵过滤
返回一个数组,其中每个输出像素包含输入图像中相应像素周围9×9邻域的熵值我
.熵是随机性的统计度量。
你也可以用stdfilt
和rangefilt
以达到相似的分割结果。为比较纹理图像的局部熵,生成纹理图像年代
和R
分别显示局部标准偏差和局部范围。
E = entropyfilt(我);S = stdfilt(我的(9));R = rangefilt(我的(9));
使用重新缩放
重新缩放纹理图像E
和年代
使像素值在数据类型图像所期望的范围[0,1]双
.
Eim=重新缩放(E);Sim=重新缩放;
在蒙太奇中显示三个纹理图像。
蒙太奇({Eim,Sim,R},“大小”,[1 3],“背景色”,' w ',“BorderSize”, 20)标题(“显示局部熵、局部标准差和局部范围的纹理图像”)
本例继续对熵纹理图像进行处理Eim
。您可以使用其他形态学功能对其他两种类型的纹理图像重复类似的过程,以获得类似的分割结果。
阈值重新缩放的图像Eim
分割纹理。选择阈值0.8,因为它大致是纹理之间边界上像素的强度值。
BW1=imbinarize(Eim,0.8);imshow(BW1)标题(“阈值纹理图像”)
二值图像中分割的目标BW1
是白色的。如果你比较BW1
来我
,你会注意到顶部的纹理被过度分割(多个白色物体),而底部的纹理几乎被整体分割。使用。删除顶部纹理中的对象bwareaopen
.
BWao=BWao区域打开(BW12000);imshow(BWao)标题(“Area-Opened纹理图像”)
使用imclose
磨平边缘,并堵住物体上的任何开口BWao
.指定同一个9乘9的街区熵过滤
.
nhood=1(9);closeBWao=imclose(BWao,nhood);imshow(closeBWao)标题(封闭的纹理图像的)
使用imfill
填补物体上的洞closeBWao
.底部纹理的遮罩并不完美,因为遮罩没有延伸到图像的底部。但是,你可以使用蒙版来分割纹理。
掩码= imfill (closeBWao,“黑洞”);imshow(面具);标题(“底部纹理蒙版”)
将纹理分割成两个不同的图像。
textureTop =我;textureTop(面具)= 0;textureBottom =我;textureBottom面具(~)= 0;蒙太奇({textureTop textureBottom},“大小”,[1 2],“背景色”,' w ',“BorderSize”, 20)标题(“分割顶部纹理(左)和分割底部纹理(右)”)
创建一个标签矩阵,标签1在掩码所在的位置假
还有面具所在的标签符合事实的
.在原始图像上叠加标签矩阵。
L =面具+ 1;L) imshow (labeloverlay(我)标题(“标记分割区域”)
用青色勾勒出两个纹理之间的边界。
边界= bwperim(面具);imshow (labeloverlay(边界,我“彩色地图”,[0 1]))标题(“纹理之间的界限”)