今天,我将继续我最近的主题:思考图像中的山峰。当我写第一个的时候(
19日- 8月- 2021
),我没有意识到它会变成一个系列。这可能是最后一次了——但不能保证!
我以前的文章(
17 - 9 - 2021
)是基于一维的例子。今天的帖子集中在一个图片的例子(在2-D),它连接到使用
regionprops
计算峰值的灰度加权质心。我还会讲一些三维曲面的可视化,只是为了好玩。这是今天的图片:
url =“https://blogs.mathworks.com/steve/files/snowflakes2.png”;
我想看看我们能不能把注意力集中在算法上
白色点点事情
(这是我在工程学院学到的一个专业术语)。首先,让我们试着计算
区域最大值
.
A_regmax = imregionalmax(一个);
乍一看,确实如此
不
看起来像我要找的东西。我们来看看这是怎么回事。
A_regmax_overlay = imoverlay (A_regmax,“绿色”);
imshow (A_regmax_overlay)
我想仔细看看一个白色的斑点。
imshow (A_regmax_overlay (30:47,263:285:))
其中一个,或者两个,看起来像我们感兴趣的山峰。其他人呢?让我向你展示两种不同的进一步探索的方法。第一个是三维可视化,我们将图像像素值视为灰色表面的高度。下面的代码显示了这个表面,然后它将检测到的区域最大值显示为表面上方的蓝黄色点。
A_cropped = (30:47,263:285);
A_regmax_cropped = A_regmax (30:47,263:285);
冲浪(A_cropped EdgeColor =“没有”)
[y、x ~] =找到(A_regmax_cropped);
z = A_cropped (A_regmax_cropped);
plot3 (x, y, z + 1,线型=“没有”标志=“o”,...
第二种方法是返回到2-D,但是使用一个非常放大的视图,将实际的像素值叠加在单个像素上。为了完成这个任务,我使用了
图像查看器
和
像素区域的工具
.下面是像素区域工具的屏幕截图。我已经用区域最大值的位置注释了屏幕截图。
使用任何一种技术,您都可以了解到,其中几个最大值位置只是小的、无趣的波动。
正如我在前几篇文章中讨论的,您可以使用
h-maxima变换
过滤掉这些小的峰。
imshow (B (30:47,263:285))
B_regmax = imregionalmax (B);
imshow (B_regmax (30:47,263:285))
B_regmax_overlay = imoverlay (B B_regmax“绿色”);
imshow (B_regmax_overlay)
我想以一个连接来结束
regionprops
函数。这个函数最常用于二值图像输入,它计算二值图像中物体(连接组件)的各种几何属性。但你也可以同时提供灰度图像。有了这些额外的信息,您可以计算其他属性。这里,我感兴趣的是
加权质心
检测到的各种峰。原始图像像素值将被用作权重。下面是如何做到这一点:
道具= regionprops (“表”B_regmax,,“WeightedCentroid”)
道具=
99×1表
|
WeightedCentroid |
1 |
1.6702 |
24.6139 |
2 |
2.4948 |
43.3596 |
3. |
1.4239 |
97.7269 |
4 |
14.5813 |
52.3127 |
5 |
20.5567 |
100.2771 |
6 |
28.5663 |
89.2373 |
7 |
29.9773 |
18.0773 |
8 |
31.1731 |
50.3474 |
9 |
41.2062 |
2.7718 |
10 |
45.1645 |
39.6400 |
11 |
44.1222 |
25.3352 |
12 |
43.9098 |
67.8786 |
13 |
44.8320 |
103.4289 |
14 |
50.9091 |
16.5648 |
⋮ |
这是一种可视化结果的方法:
情节(props.WeightedCentroid (: 1) props.WeightedCentroid (:, 2),...
线型=“没有”标志=“o”MarkerEdgeColor =“y”,...
コメント
コメントを残すには,ここをクリックしてMathWorksアカウントにサインインするか新しいMathWorksアカウントを作成します。