MATLAB在图像处理中的应用

图像处理概念、算法和MATLAB

使用imbinarize设置灰度图像的阈值

邮寄人史蒂夫·埃丁斯,

648次查看（过去30天）| 喜欢| 0评论
今天，我想说服你使用 灌输 而不是 im2bw .
背景：我最近看到一些数据表明许多图像处理工具箱用户仍在使用 im2bw ，这是一个旧函数，可追溯到1993年的原始工具箱版本。我们建议使用更新的函数， 灌输 ，因为它在最常见的场景中节省了一个步骤，并且在需要时提供了额外的灵活性。
我将通过更新一个名为 “追踪乔治，” 其中，我尝试提取下图所示的曲线：
网址='https://blogs.mathworks.com/images/steve/36/george.jpg';
I=imread（url）；
imshow（I）
我称之为“乔治”。我最初为书中的一些示例和图表创建了乔治 基于MATLAB的数字图像处理 .我在某个时候发现我需要复制轮廓曲线，但我没有原始曲线数据。（愚蠢的我。）因此，我尝试了从图像中提取原始曲线数据的方法。
显然，第一步是对图像设置阈值。在我最初的博文中，我同时使用了两个功能：
阈值=灰度阈值（I）；
bw=im2bw（I，阈值）
功能 灰谷 用于计算“最佳”阈值（根据特定标准最佳）。函数 im2bw 可以在不指定第二个参数的情况下使用，但它只使用了一个通常不令人满意的固定阈值：
bw=im2bw（I）；
imshow（bw）
结果是 灰谷 好多了。
t=灰度阈值（I）
t=0.4392
bw2=im2bw（I，t）；
imshow（bw2）
随着时间的推移，我们发现几乎每个人（包括我们）都会使用 im2bw 和 灰谷 在一起这导致重新考虑功能设计。替换功能， 灌输 ，使用 灰谷 自动地
bw3=吸入（I）；
imshow（bw3）
作为旁注，下面是我用来提取曲线的其余代码。看到我的原稿了吗 “追踪乔治”博客帖子 我需要一个解释。
bw4=~bw3；
bw5=bwmorph（bw4，“瘦”，inf）；
边界=边界（bw5）；
b=边界{1}；
b=b（1：楼层（结束/2），：）；
x=b（：，2）；
y=b（：，1）；
绘图（x，y）
轴ij
轴相同的
头衔(“乔治·P·伯德尔”)

局部自适应阈值

对于更困难的阈值挑战， 灌输 还支持局部万博1manbetx自适应方法。为了演示，这里有一张图片，是我刚刚在办公室用MATLAB进行数字图像处理的一页，光线不均匀。
网页地址="https://blogs.mathworks.com/steve/files/dipum3e-page-388-gray.jpg";
A=imread（页面url）；
imshow（A）
由于光照不均匀，即使是最佳全局阈值也不能产生合适的结果。
page_bw=imbinarize（A）；
imshow（第页）
您可以看到右上角有一个缺少文本的区域。局部自适应阈值方法会更好。功能 灌输 万博1manbetx支持使用指定的本地自适应方法 “自适应” 输入选项。不过，使用局部自适应方法，指定前景是比背景亮还是比背景暗非常有帮助。你可以知道 灌输 使用 “前极性” 选项
在这里，它正在发挥作用。
第2页=imbinarize（A，“自适应”,“前极性”,“黑暗”);
imshow（第2页）
您可以看到，现在所有的文本都清晰地包含在生成的二进制图像中。
所以，下次你去拿东西的时候 im2bw 和 灰谷 ，尝试使用 灌输 相反
|
  • 打印
  • 发送电子邮件

另见

评论

如需留言，请点击在这里登录到您的MathWorks帐户或创建新帐户。