我想定义ROI .... ' A '我不知道来定义和定义在哪里?

7视图(30天)

显示旧的评论

Shreenand奈克 2022年11月8日

0
链接

这个问题直接联系

//www.tatmou.com/matlabcentral/answers/1845863-i-want-to-define-a-for-roi-i-don-t-know-to-to-define-where-to-define

评论道: 罗希特2023年2月28日

答:接受图像分析

                          图,imshow (uint8 (DataArray));
                         
                          标题(“ROI-Extract结构和统计特性”);
                         
                          持有在
                         
                          为n = 1:尺寸(1)
                         
                          矩形(“位置”(n,:),“EdgeColor”,“r”,“线宽”4)
                         
                          结束
                         
                          暂停(1)
                         
                          图中,imshow (edhist);

4评论
显示3年长的评论隐藏3年长的评论

Shreenand奈克 2022年11月9日

编辑:图像分析 2022年11月9日

                                clc;
                               
                                清晰的所有;
                               
                                关闭所有
                               
                                % - - - - - - - - - - - -阅读- - - - - - - - - - - -形象
                               
                                (文件名、路径名)= uigetfile (‘* . jpg”,“选择图片”);
                               
                                FilePath = strcat(路径名,文件名);
                               
                                disp (“图像文件位置”);
                               
                                disp (FilePath);
                               
                                [DataArray,地图]= imresize (imread (FilePath), [300650]);
                               
                                图,imshow (DataArray地图);
                               
                                标题(输入图像的);
                               
                                %不同频道
                               
                                r_channel = DataArray (:: 1);
                               
                                b_channel = DataArray (:: 2);
                               
                                g_channel = DataArray (:: 3);
                               
                                %噪音Remaoval
                               
                                r_channel = medfilt2 (r_channel);
                               
                                g_channel = medfilt2 (g_channel);
                               
                                b_channel = medfilt2 (b_channel);
                               
                                %恢复通道
                               
                                rgbim (:,: 1) = r_channel;
                               
                                rgbim (:: 2) = g_channel;
                               
                                rgbim (:,:, 3) = b_channel;
                               
                                图,imshow (uint8 (rgbim));
                               
                                标题(”“去噪图像);
                               
                                % RGB灰色
                               
                                Igray = 0.30 * r_channel + 0.59 * g_channel + 0.11 * b_channel;
                               
                                图,imshow (uint8 (Igray));
                               
                                标题(灰度图像的);
                               
                                %边缘检测
                               
                                y =双(Igray);
                               
                                f1 = 0 (3、3、5);
                               
                                f1 (:: 1) = (1 2 1 0 0 0; 1 2 1];%垂直
                               
                                f1 (:: 2) = [1 0 1; 2 0 2 1 0 1];%的水平
                               
                                f1 (:: 3) = (2 2 1; 2 1 1 1 1 1);% 45对角
                               
                                f1 (:: 4) = (1 2 2;1 1 2;1 1 1];% 135对角
                               
                                f1 (:: 5) = (1 0 1; 0 0 0 0 1);%不定向的
                               
                                为i = 1:5
                               
                                g_im(:,:我)= filter2 (f1(:,:我),y);
                               
                                结束
                               
                                [m p] = max (g_im [], 3);
                               
                                edim =边缘(y,“精明”);
                               
                                im2 = (p。* edim);
                               
                                edhist = im2;
                               
                                图中,imshow (edhist)
                               
                                标题(边缘检测的);
                               
                                Avg =非常刻薄(Igray);
                               
                                如果(Avg > 202 & & Avg < 207)
                               
                                负载100.垫
                               
                                elseif(Avg > 175 & & Avg < 180)
                               
                                负载200.垫
                               
                                elseif(Avg > 190 & & Avg < 195)
                               
                                负载500.垫
                               
                                elseif(Avg > 209 & & Avg < 214)
                               
                                负载2000.垫
                               
                                结束
                               
                                图,imshow (uint8 (DataArray));
                               
                                标题(“ROI-Extract结构和统计特性”);
                               
                                持有在
                               
                                为n = 1:尺寸(1)
                               
                                矩形(“位置”(n,:),“EdgeColor”,“r”,“线宽”4)
                               
                                结束
                               
                                暂停(1)
                               
                                图中,imshow (edhist);
                               
                                标题(“ROI-Extract边缘和形状特性”);
                               
                                持有在
                               
                                为n = 1:尺寸(1)
                               
                                矩形(“位置”(n,:),“EdgeColor”,“r”,“线宽”4)
                               
                                结束
                               
                                暂停(1)
                               
                                SFL_Data = 0(大小(A, 1), 6);
                               
                                SSL_Data = 0(大小(A, 1), 12);
                               
                                为n = 1:尺寸(1)
                               
                                imcropgray = imcrop (Igray (n,:));
                               
                                Img_data = imcropgray;
                               
                                %的统计特性
                               
                                %第一级功能
                               
                                意味着=非常刻薄(Img_data);
                               
                                方差=非常刻薄(var(双(Img_data)));
                               
                                峰度=峰度(双(Img_data (:)));
                               
                                统计= graycoprops (Img_data,对比相关能同质性的);
                               
                                能量= stats.Energy;
                               
                                对比= stats.Contrast;
                               
                                熵=熵(Img_data);
                               
                                FL_Feat =(熵均值-方差峰度能源对比);
                               
                                FL_Feat (isnan (FL_Feat)) = 0;
                               
                                % disp(第一级功能”);
                               
                                % disp (FL_Feat)
                               
                                :SFL_Data (n) = FL_Feat;
                               
                                %二级功能
                               
                                偏移量= [0 1;1 1;1 0;1 1];% 0°、45°、90°、135°,
                               
                                GLCM1 = graycomatrix (Img_data,“NumLevels”8“抵消”、补偿);
                               
                                GLCM2 = graycomatrix (Img_data,“NumLevels”32岁的“抵消”、补偿);
                               
                                统计= graycoprops (GLCM1,对比相关能同质性的);
                               
                                stats1 = graycoprops (GLCM2,对比相关能同质性的);
                               
                                相关=[意思(stats.Correlation) (stats1.Correlation)];
                               
                                ASM =[意思(stats.Energy) (stats1.Energy)];
                               
                                同质性=[意思(stats.Homogeneity) (stats1.Homogeneity)];
                               
                                IDM = [Inverse_Diff (GLCM1) Inverse_Diff (GLCM2)];
                               
                                Max_prob = [Maximum_Prob (GLCM1) Maximum_Prob (GLCM2)];
                               
                                熵熵= [(GLCM1)熵(GLCM2)];
                               
                                SL_Feat = (ASM相关性IDM最大熵概率同质性);
                               
                                SL_Feat (isnan (SL_Feat)) = 0;
                               
                                % disp(二级功能)
                               
                                % disp (SL_Feat)
                               
                                :SSL_Data (n) = SL_Feat;
                               
                                结束
                               
                                ST_feat =[意思(SFL_Data) (SSL_Data)];
                               
                                disp (的统计特征)
                               
                                disp (ST_feat);
                               
                                EF_Data = 0(大小(Avg l), 7);
                               
                                为l n = l:大小(Avg)
                               
                                imcropedge = imcrop (edhist Avg (n,:));
                               
                                %边缘特征
                               
                                结果= regionprops (imcropedge,“区域”,“EulerNumber”,“定位”,的边界框(“大小),“程度”,…
                               
                                “周长”,“Centeroid”,极值的,“PixelIdxList”,“ConvexArea”,…
                               
                                “FilledArea”,“PixelList”,“ConvexHull”,“FilledImage”,“稳健”,…
                               
                                “ConvexImage”,“图像”,“SubarrayIdx”,“偏心”,“MajorAxisLength”,…
                               
                                “EquivDiameter”,“MinorAxisLength”,“EulerNumber”);
                               
                                NR = vertcat (results.BoundingBox);
                               
                                圆= 0(大小(NR, 1));
                               
                                离心率= 0(大小(NR, 1));
                               
                                凸性= 0(大小(NR, 1));
                               
                                面积= 0(大小(NR, 1));
                               
                                密实度= 0(大小(NR, 1));
                               
                                程度上= 0(大小(NR, 1));
                               
                                可靠性= 0(大小(NR, 1));
                               
                                为2 = 1:尺寸(NR, 1)
                               
                                循环(ii) = (((2) .Perimeter结果)。^ 2)。/(4 *(π*(结果(2).Area)));
                               
                                循环(isnan(循环))= 0;
                               
                                循环(isinf(循环))= 0;
                               
                                密实度(ii) =(4 *结果(2).Area *π)/(结果(2).Perimeter)。^ 2;
                               
                                密实度(isnan(密实度))= 0;
                               
                                密实度(isinf(密实度))= 0;
                               
                                凸性(2)= (2).ConvexArea结果;
                               
                                凸性(isnan(凸性))= 0;
                               
                                凸性(isinf(凸性))= 0;
                               
                                区(ii) = (2) .Area结果;
                               
                                区(isnan(区))= 0;
                               
                                区(isinf(区))= 0;
                               
                                偏心(ii) = (2) .Eccentricity结果;
                               
                                偏心(isnan(偏心))= 0;
                               
                                偏心(isinf(偏心))= 0;
                               
                                程度(2)= (2).Extent结果;
                               
                                程度(isnan(程度))= 0;
                               
                                程度(isinf(程度))= 0;
                               
                                可靠性(ii) = (2) .Solidity结果;
                               
                                可靠性(isnan(可靠性))= 0;
                               
                                可靠性(isinf(可靠性))= 0;
                               
                                结束
                               
                                科幻小说=[非常刻薄(地区)非常刻薄的(体积)非常刻薄(凸性)非常刻薄(循环)非常刻薄(偏心)非常刻薄(密实度)非常刻薄的(程度)];
                               
                                :EF_Data (n) =科幻小说;
                               
                                结束
                               
                                EDF_feat =意味着(EF_Data);
                               
                                disp (“边缘特性”)
                               
                                Tfeat = [ST_feat EDF_feat];
                               
                                负载Pdata.mat
                               
                                负载Ndata.mat
                               
                                xdata = [Train_dataP; Train_dataN];
                               
                                组= [Train_LabP; Train_LabN];
                               
                                fitcsvmTrain = fitcsvmTrain (xdata、组“kernel_function”,“rbf”);
                               
                                Classify_Result = fitcsvmclassify (svmTrain Tfeat);
                               
                                如果(Classify_Result = = 1)
                               
                                图,imshow (DataArray地图);
                               
                                标题(货币类型:真正的);
                               
                                对话框(货币类型:真正的);
                               
                                其他的
                               
                                图,imshow (DataArray地图);
                               
                                标题(货币类型:假的);
                               
                                对话框(货币类型:假的);
                               
                                结束
                               
                                %(2)暂停
                               
                                % perfdata
                               
                                结束