⇧⇩×
(点击×隐藏)
图像菜单
图像处理功能
内容
模式
允许更改所显示数据集的模式和颜色深度
以下选项是可用的- 灰度,通过删除任何颜色信息将图像转换为灰度
- RGB颜色,将图像转换为RGB颜色空间
- HSV颜色,将图像转换为HSV(色相,饱和度,值)颜色空间
- 索引,将图像转换为索引颜色(True Color图像未实现)
- 8位,将数据集转换为8位格式,图像强度缩放以保留从视图设置面板->显示对话框中调整的图像
- 16位,将数据集转换为16位格式,图像强度进行缩放以保持原始数据集的对比度
- 32位,将数据集转换为32位格式,图像强度进行缩放以保持原始数据集的对比度
调整显示/形象
启动一个对话框来调整显示设置或重采样图像强度。详情见调整显示窗口截面
颜色通道
使用图像的颜色通道执行一些操作
在以下视频中可以看到一个简短的演示:- 一般演示:https://youtu.be/gT-c8TiLcuY
- 图像之间的颜色偏移校正:https://youtu.be/-J2P8a_z7pE
- 插入空通道…,将一个空通道(所有像素强度均为0)插入到指定位置
- 复制通道……,将一个通道复制到另一个位置
- 反向通道…,反转指定颜色通道的强度
- 旋转通道……,旋转指定的颜色通道
- 转移通道……,允许通过X和Y像素移动一个通道
- 交换通道……,允许在彼此之间交换两个颜色通道
- 删除频道……,从数据集中删除指定的颜色通道
控件中的Colors表也可以执行颜色通道操作查看设置面板.
对比
调整数据集的对比度。对于线性对比度拉伸,建议使用图像调整对话框显示按钮在视图设置面板.
关于图像归一化的教程可在以下视频:
https://youtu.be/MmBmdGtuUdM
- 线性对比,在MIB中不再可用,请使用MIB中的显示按钮视图设置面板.
- 限制对比的自适应直方图均衡, CLAHE对比均衡。CLAHE操作图像中的小区域(称为tile),而不是整个图像。每个贴图的对比度都得到了增强,因此输出区域的直方图与'Distribution'参数指定的直方图大致匹配。然后使用双线性插值将相邻的瓦片组合起来以消除人为诱导的边界。对比度,特别是在同质区域,可以被限制,以避免放大任何可能存在于图像中的噪声。有关详细信息,请参阅MATLAB函数adapthisteq的文档。
- 正常化层,切片间图像强度的归一化。A)计算整个数据集的平均强度和标准偏差(std);B)计算每个图像的平均强度和标准偏差;C)根据每张图像的均值与整个数据集之间的差值来移动每张图像,并根据整个数据集的标准差与每张图像的比值来拉伸它。对于4D数据集,也可以通过时间维度进行归一化。对于Z堆栈,可以排除黑色或白色像素
- 基于蒙面区域规范化层,本质上类似于正常化层模式,但所有值都仅从被屏蔽区域计算。
- 基于蒙面背景的规范化,使用应该被掩盖的背景区域来规范化切片之间的图像强度。A)计算整个数据集的屏蔽区域的平均强度;B)计算每个图像掩膜区域的平均强度;C)根据图像与整个数据集的平均值之间的差异来移动每个图像
转换图像
反转图像强度,快捷方式Ctrl +我|
在下面的视频中有一个简短的演示:
https://youtu.be/1DG2w5XYA18
- 所示切片(2D),只反转当前显示的数据集切片
- 当前堆栈(3D),反转数据集的当前堆栈
- 完整卷(4D),反转完整数据集
图像滤波
打开一个对话框,将各种图像过滤器分为4类:
- 空间域的基本图像滤波
- Edge-preserving过滤
- 对比度调整
- 图像二值化
有关详情,请参阅图片滤镜帮助页面.
图像工具——内容感知填充
内容感知填充可以使用邻近区域的信息来重建选定的区域。
在下面的视频中有一个简短的演示:
https://youtu.be/H_TVvgA_br4
inpaintCoherent仅适用于MATLAB R2019a及更新版本使用基于相干传输的图像修补恢复特定的图像区域。 可以使用MIB的掩码层或选择层指定内容感知填充的区域。
F.博尔内曼,T. M?rz。基于相干传输的快速图像修补。数学成像与视觉杂志。第28卷,2007,第259?278页。 |
|
inpaintExemplar仅适用于MATLAB R2019b及更新版本使用基于样本的图像修补填充图像区域 可以使用MIB的掩码层或选择层指定内容感知填充的区域。
A. Criminisi, P. Perez和K.富山。基于样本的图像修补的区域填充和物体移除。IEEE反式。图像处理。第13卷,2004年第9期,第1200 ~ 1212页。 |
图像工具——>碎片清除
自动或手动恢复被碎片损坏的容量数据集区域。区域可以自动检测或手动选择到蒙版或选择层
在下面的视频中有一个简短的演示:
https://youtu.be/iM2nHBxTjRw
|
图像工具——>图像算法(仅适用于MATLAB的MIB)
使用MATLAB语法应用自定义算术表达式到图像,模型,蒙版或选择层,在下面的简短视频和示例中看到更多。
适用于MIB 2.60及以上版本https://youtu.be/sDwvnJGLi8Q
适用于MIB 2.52及以上版本https://youtu.be/-puVxiNYGsI
|
算术运算示例
- I = I * 2,将当前图像所有像素的强度提高2倍
- I2 = I2 + 100,将图像2中所有像素的强度增加100
- I1 = I1 + i2,将容器2中的图像添加到容器1中的图像中,并将结果返回给容器1
- I3 = I3 + mean(I3(:)),将图像3的均值加到图像3中
- I1 = I1 - min(I1(:)),将图像1中的像素强度降低到数据集的最小值
- I(:,:,2,:) = I(:,:,2,:)*1.4,将第二色通道图像强度提高1.4倍
- I(I==0) = I(I==0)+100,将黑色区域的图像强度增加100个强度计数
- disp(总和(abs(单(I1(:))单(I2 (:))))),找出装载到容器1和容器2的两张图像的差值,并打印到控制台;或者使用msgbox(num2str())而不是disp将结果显示为消息框
- M2 = m1,将蒙版图层从图像1复制到图像2
- for z=1:size(I, 4)
slice = I(:,:,2,z);
mask = M(:,:,z);
Slice (mask==1) = 0;
I(:,:,2,z) =切片;
结束-将蒙版区域的第二个颜色通道的强度替换为0
图像工具——>强度投影
根据所加载数据集的任何维度生成强度投影
在下面的视频中有一个简短的演示: https://youtu.be/hwFpS_3eP9U |
-
计算下列强度预测之一:
- 最大强度投影,将整个卷的每个视图上的最高值的体素投影到2D图像上
- 最小强度投影,将整个卷的每个视图上的最小值的体素投影到2D图像上
- 平均强度投影,将整个卷的每个视图上的体素的平均值投影到2D图像上
- 中位强度投影,将整个体积的每个视图上的体素的中值投影到2D图像上
- 集中堆放,利用噪声-鲁棒选择性全聚焦算法从聚焦序列中生成扩展景深图像(Pertuz等人。“通过噪声-鲁棒选择性融合有限景深图像生成全聚焦图像”IEEE Trans。图像处理,22(3):1242 - 1251,2013)
选择图像帧
检测图像的帧(即与图像边缘接触的强度相同的区域)。检测区域可以被分配给选择层或蒙版层,或者该区域可以被替换为图像层的另一种颜色。在下面的视频中有一个简短的演示: https://youtu.be/sWjipmeU5eA |
图像工具——>白平衡校正
白平衡校正演示
正确的开放数据集白平衡。首先选择一个应该是白色或灰色的区域,并将其分配给蒙版或选择层,或者使用手动模式,并提供一个RGB值,该值应该被纠正为白色或灰色。
详情请浏览chromadapt函数 |
参考 林德布卢姆,布鲁斯。色适应。http://www.brucelindbloom.com/index.html?Eqn_ChromAdapt.html |
形态学操作
本节包含了一些可以应用于图像的形态学操作。处理后的图像还可以从现有图像中添加或减去(请参阅结果面板的附加操作中的设置)。
在下面的视频中有一个简短的演示:
https://youtu.be/itbVLFm0FKQ
可用的形态操作列表
- 底帽过滤(imbothat)计算图像的形态闭合(使用imclose '),然后从原始图像中减去结果
- 清除边界(imclearborder)抑制连接到图像边界的光结构
- 形态闭合(imclose)从形态学上闭合图像:膨胀之后是侵蚀
- 放大图像(imdilate)
- 侵蚀图像(imerosion)
- 填充区域(填充)填充图像中的空洞,其中空洞被定义为由浅色像素包围的深色像素区域
- h -极大变换(imhmax)抑制图像中高度小于H的所有极大值
- H-mminima变换(imhmin)上压图像中深度小于H的所有最小值
- 形态开口(imopen)在形态学上打开图象:由膨胀引起的侵蚀
- 顶帽过滤(imtophat)计算图像的形态学开口(使用imopen),然后从原始图像中减去结果
强度剖面
生成图像数据的强度配置文件。配置文件有两种获取方式:
- 行
- 任意的
对于强度分布,建议使用测量长度工具.
var allDetails = document.getElementsByTagName('details');toggle_details (0);