计算roi的标准差
这个例子展示了如何计算输入图像中感兴趣区域(roi)的标准偏差。输入图像由不同的纹理区域组成,并选择包含这些纹理区域的roi。
将图像读入MATLAB工作区。
I = imread(“multitextures.png”);
加载指定输入图像中的roi的掩码图像。
负载(“binaryROI.mat”)
示例模型
打开Simulin金宝appk模型。
modelname =“ex_blk2dstd.slx”;open_system (modelname);
模型计算roi的坐标团
分析
块。对象中的最大blob数目团
分析
block设置为5,roi的个数。
的二维
标准
偏差
块计算每个ROI的标准差值。
设置二维
标准
偏差
块到指定的值,以便计算每个ROI的单独统计信息。
集
找到
的
标准
偏差
价值
在
参数整个
输入
选择
启用
ROI
处理
参数集
ROI
类型
参数矩形
集
输出
参数个人
统计数据
为
每一个
ROI
模拟和显示结果
标准差的值表示ROI中像素值与相应的平均值之间的离散度。
Out = sim(modelname);
该模型还显示与所选roi相对应的输入图像和标签矩阵。覆盖在输入图像上的矩形表示计算标准偏差的roi。
显示每个ROI的标准偏差值。第一个标准差值对应标签值为1的区域。同理,第二个标准差值对应标签值为2的区域,以此类推。
out.std
Ans = 0.0534 0.1203 0.0775 0.1463 0.1629