imbinarize

双稳态2-d的灰度图像或通过阈值3-d体积

折叠所有页面

句法

BW = imbinarize（I）
BW = imbinarize(我的方法)
BW = imbinarize(我,T)
BW = imbinarize（I， '适应性'，名称，值）

描述

例

BW= imbinarize（一世）从二维或三维灰度图像创建二值图像一世将全局阈值以上的所有值替换为1并将所有其他值设置为0秒。默认情况下，imbinarize采用Otsu的方法，选择阈值来最小化阈值化后的黑白像素的内部方差[1]。imbinarize使用了256斌图像的直方图来计算大津的阈值。要使用不同的柱状图，看otsuthresh。

例

BW= imbinarize（一世，方法）创建从图像的二进制图像一世使用指定的阈值方法方法：'全球'或“自适应”。

BW= imbinarize（一世，Ť）创建从图像的二进制图像一世使用阈值Ť。Ť可以是全局的图像阈值，指定为标量的亮度值，或一个局部自适应阈值，指定为亮度值的矩阵。

例

BW= imbinarize（一世“自适应”,名称,值）创建从图像的二进制图像一世使用名称 - 值对，以控制自适应阈值化的方面。

例子

全部折叠

打开生活的脚本

将灰度图像读入工作空间。

我= imread ('coins.png');

将图像转换成二值图像。

BW = imbinarize(我);

显示原始图像旁边的二进制版本。

图imshowpair（I，BW，'剪辑'）

打开生活的脚本

阅读灰度图像到工作区。

我= imread (“rice.png”);

转换的灰度图像二值图像。

BW = imbinarize（I，“自适应”);

显示沿一侧的二进制版本的原始图像。

图imshowpair（I，BW，'剪辑'）

打开生活的脚本

将灰度图像读入工作空间并显示它。

我= imread ('printedtext.png');图imshow(我)标题(“原始图像”）

将图像转换为使用自适应阈值的二进制图像。使用ForegroundPolarity参数以指示前景是比背景暗。

BW = imbinarize（I，“自适应”，“ForegroundPolarity”，“黑暗”，“敏感”,0.4);

显示图像的二进制版本。

图imshow（BW）标题（“图像的二进制版本”）

打开生活的脚本

负载3-d灰度强度数据到工作区。

加载mristack;V = mristack;

查看3-D卷。

图片(双(V)、大小(V, 2) / 2,大小(V, 1) / 2,大小(V, 3) / 2) colormap灰色阴影插补

将强度体转换为三维二进制体。

J = imbinarize（V）;

查看3-D二进制卷。

图片（双（J），大小（J，2）/ 2，尺寸（J，1）/ 2，尺寸（J，3）/ 2）的颜色表灰色阴影插补

输入参数

全部折叠

输入图像，指定为二维灰度图像或三维灰度卷。imbinarize期望的数据类型的像素值双和单在[0,1]范围内。你可以使用重新调节函数可将像素值调整到预期范围。

注意

imbinarize解释RGB图像为体积灰度图像，并且不单独二进制化每个信道。以产生从RGB图像的二进制图像，第一图像使用转换为灰度图像rgb2gray。

数据类型:单|双|INT8|int16|int32|UINT8|uint16|UINT32

方法用于二值化的图像，指定为以下值中的一个。

值

意义

'全球'

采用大津算法计算全局图像阈值。看到graythresh关于大津的方法的详细信息。

“自适应”

使用每个像素周围局部一阶图像的统计信息计算局部自适应图像阈值选择的。看到adaptthresh了解详情。如果图像包含正S或为NaN的行为imbinarize为“自适应”方法是未定义。传播正S或为NaNS可能会发生无法定位到周围邻居正和为NaN像素。

数据类型:字符|串

阈亮度值，指定为在[0，1]的范围内的数值标量或数值数组值。

  • 如果Ť是一个数值标量，然后imbinarize解释Ť作为全局图像阈值。采用graythresh或otsuthresh计算全局图像阈值。

  • 如果Ť是一个数值数组，则imbinarize解释Ť作为一个局部自适应阈值。采用adaptthresh计算局部自适应阈值。

数据类型:单|双|INT8|int16|int32|int64|UINT8|uint16|UINT32|UINT64

名称-值对的观点

指定可选的用逗号分隔的对名称,值参数。名称是参数的名称和价值是对应的值。名称必须出现在引号内。可以按任意顺序指定多个名称和值对参数Name1, Value1,…,的家。

例子:BW = imbinarize（I， '适应性'， '灵敏度'，0.4）;

灵敏度因子自适应阈值，指定为逗号分隔的一对组成的“敏感”以及[0,1]范围内的一个数字。高灵敏度值导致阈值更多的像素作为前景，在风险中包括一些背景像素。

数据类型:单|双|INT8|int16|int32|int64|UINT8|uint16|UINT32|UINT64

确定哪些像素被考虑用于自适应阈值化前景像素，指定为逗号分隔的一对组成的“ForegroundPolarity”和下面的值中的一个。

价值

意义

“光明”

前景比背景更亮。

“黑暗”

前景比背景暗

数据类型:字符|串

输出参数

全部折叠

输出二进制图像，作为逻辑矩阵或逻辑数组返回，其大小与一世。

数据类型:合乎逻辑

提示

  • 以产生从索引图像的二进制图像，第一图像使用转换为灰度图像ind2gray。

算法

该“自适应”方法进行二值化利用局部自适应阈值的图像。imbinarize计算用于使用围绕像素附近的局部平均强度的每个像素的阈值。这种技术也被称为布拉德利的方法[2]。该“自适应”该方法还使用了约为图像大小1/8的邻域大小(计算为2 *地板(大小(I) / 16) + 1）。要使用不同的一阶局部统计或不同的邻域的大小，请参阅adaptthresh。

参考文献

[1]从灰度直方图中选择阈值的方法。IEEE系统，人，与控制论。卷。9，第1期，1979年，第62-66。

[2]布拉德利，D.， G.罗斯，“利用积分图像调整阈值”，杂志图形工具。卷。12，第2期，2007，pp.13-21。

扩展功能

也可以看看

|||

介绍了在R2016a

图像处理工具箱文档
万博1manbetx
图像分割和阈值代码的例子

图像分割和阈值代码的例子

现在下载