目标：

图像阈值
背景评估
联通区域标记

一、图像阈值

graythresh()：找出一个图像的最佳阈值是什么
im2bw()：转变图像为二值图像

I = imread('rice.png'); 
level=graythresh(I); % 获取阈值
bw=im2bw(I, level);  % 根据阈值，转化为二值图像
subplot(1,2,1); 
imshow(I); 
subplot (1,2,2); 
imshow(bw)

这个图像是不完美的，在转换为黑白二值图像的时候，有一些白色的点，有一些米不见了，是由于图像的打光不均匀，上边亮下边暗，造成前景和背景的误判。因此，我们要对背景进行评估，减掉背景，使背景分布均匀。

二、背景评估

1. Background Estimation（背景评估）

I = imread('rice.png'); 
BG = imopen(I, strel('disk', 15)); % 获得背景的评估
imshow(BG);

在这个背景评估图片中我们可以看到上边比较亮，下边比较暗。接下来我们做第二步，用原图像减去背景评估图。

2.Background Subtraction

I = imread('rice.png'); 
subplot(1,3,1); imshow(I); 
BG = imopen(I, strel('disk', 15)); % 得到背景评估图
subplot(1,3,2); imshow(BG); 
I2 = imsubtract(I, BG); % 使用原图减去背景评估图
subplot(1,3,3); 
imshow(I2);

3.Thresholding on Background Removed Image

I = imread('rice.png');
% 获取阈值
level = graythresh(I);
% 转换为二值图像
bw = im2bw(I, level); 
subplot(1,2,1); imshow(bw);

% 获得背景图
BG = imopen(I, strel('disk', 15));
% 原图减去背景图
I2 = imsubtract(I, BG);
% 获得背景均匀图的阈值
level = graythresh(I2);
bw2 = im2bw(I2, level);
subplot(1,2,2); imshow(bw2);

右边是经过处理之后的图，很明显效果要比左边的好。

下面，我们要计算图中有多少粒米，就需要用到连通域分析。

三、连通域分析

我们要求得图像中，有多少粒米，在二值图像中，只有0和一两个值，有1的位置代表是米，并且相连位置的1是一个米的形状。因此，我们穿建一个标签矩阵。

第一步：从二值图像的左上角开始遍历，当遇见第一个1时，标签矩阵的相应位置设为1，二值图像的矩阵位置变为0.

第二步：查看该位置的右边和下边，为1的话就把标签位置设为1，二值图像的位置设为0.一直进行下去，如果为0就两个矩阵都不改变。

第三步：继续操作，一直到右边和下边的位置都是0时，则一个米粒标记完成。

第四步：继续按顺序遍历二值图像矩阵。当再次遇到1的时候，就将标签矩阵的位置记为2.二值矩阵记为0. 与上面的方式相同。

第五步：以此类推，计算出第二个，第三个。

MATLAB提供了一个函数，来计算label matrix。注意，必须是对二值图像进行操作。

I=imread('rice.png'); 
BG=imopen(I, strel('disk', 15)); 
I2=imsubtract(I, BG); 
level=graythresh(I2); 
BW=im2bw(I2, level); 
[labeled, numObjects]=bwlabel(BW, 8);

labeled:就是生成的标签矩阵。生成的是256*256的矩阵，下面是截取的一部分。

Color-coding Objects: label2rgb(）

将label matrix 转换为rgb颜色图像
可视化rgb图像

I=imread('rice.png'); 
BG=imopen(I, strel('disk', 15)); 
I2=imsubtract(I, BG); 
level=graythresh(I2); 
BW=im2bw(I2, level); 
[labeled, numObjects]=bwlabel(BW, 8); 
RGB_label=label2rgb(labeled); % 将label矩阵转为rgb图像
imshow(RGB_label);

Object Properties: regionprops()

获取没个连通域的属性：

I=imread('rice.png'); 
BG=imopen(I, strel('disk', 15)); 
I2=imsubtract(I, BG); 
level=graythresh(I2);
BW=im2bw(I2, level); 
[labeled, numObjects]=bwlabel(BW, 8);
graindata = regionprops(labeled, 'basic'); % 获取相关属性
graindata(51) % 查看第51粒米的属性

Interactive Selection: bwselect()

可以选择哪个米，然后只显示选择的米

I=imread('rice.png'); 
level=graythresh(I); 
BG=imopen(I, strel('disk', 15)); 
I2=imsubtract(I, BG); 
BW=im2bw(I2, graythresh(I2)); 
ObjI = bwselect(BW); % 可以选择米粒
imshow(ObjI);

matlab第八课：图像分析（下）

目标：

一、图像阈值

二、背景评估

三、连通域分析

猜你喜欢