文件列表:

regionprops.m (1044, 2007-06-22)

用分水岭分割法检测连通目标 作者：何希平 ，张琼华 在一个图像中检测目标是图像分割的一个例子。为分割连通目标，时常用Watershed变换。如果把一幅图像看做一个具有山(高亮度)和低谷(低亮度)的表面，那么这个变换在一幅图像中找亮度低谷。 实现包括下列步骤： (1)读图像。读人图像afmsurf．tif，它是一幅原子能显微镜下的衣料表面图像(如图3a)。 (2)对比度最大化。注意到图像中有许多彼此连通的不同大小的对象。为使通过watershed变换找到的低谷数目最小，我们使感兴趣的对象的对比度达到最大。对比度增强的一个常用的技术是综合应用top―hat和bottom―hat变换otop―hat变换定义为原图像和它的开之差。图像的开是一与特定结构元素匹配的图像前景部分的集合(如图3b)。bottom―hat变换定义为在原图像和它的闭之间的差。图像的闭是一与特定结构元素匹配的图像背景的集合(如图3c)。 通用的结构元素是正方形，长方形，圆盘，菱形，球和线。既然图像中我们感兴趣的目标对象看起来像圆盘，我们用strel函数建立一个半径为l5个像素的圆盘形结构元素。这个圆盘尺度是图像中的目标对象的平均半径的一个估计。 (3)图像相加减。看到top―hat图像含有与结构元素匹配的对象的”巅峰”。相反，boRom―hat图像显示出感兴趣的目标对象之间的间隙。为使目标对象与分隔它们的间隙之间的对比达到最大，用“原图+top―hat图像一bottom―hat图像”得到增强的结果图(如图3d)。 (4)转换感兴趣的对象。调用watershed变换找出图像的亮度”低谷”，把imcomplement函数作用于增强过的图像上，将感兴趣的目标对象转换为亮度低谷，得到增强图的补图(如图3e)。 (5)检测亮度低谷。对所得补图运用imextendedmin函数检测低于某特别阈值的所有亮度低谷。im―extendedmin函数的输出是一个二值(逻辑值)图像(如图3f)。二值图像中重要的是区域的位置而非区域的大小。用imimposemin函数把补图改为只含有那些由imextendedmin函数找到的低谷，并将低谷的像素值变为0(8位图像可能的深谷)(如图3g)。 (6)Watershed分割。通过watershed变换，可找出来所有含有强加给最小值的区域。用watershed函数实现Watershed分割。watershed函数返回一个标记矩阵，它含有对应于watershed区域的非负数。凡未落人任何watershed区域的像素均被赋予像素值0。用label2rgb把一个标记矩阵变为一幅图像(如图3h)。 (7)从标记矩阵中抽取目标对象的特征。可用regionprops函数从标记矩阵中抽取特征。比如说，可以计算两个量(面积和方向)并把他们看成彼此的一个函数。从标记矩阵中抽取目标对象的特征。使用regionprops函数从标记矩阵中抽取特征。比如说，可以计算两个量(面积和方向)并把他们看成彼此的一个函数。

近期下载者：

相关文件：

评论：[我要评论] [举报此文件]

收藏者：