数字图像处理实验04
图像分割
针对测试图像，运用区域增长法进行分割，通过调整criterion的值，分析分割结果的差异和好坏
主函数
input=imread('cameraman.jpg');
[row,col]=size(input);
seg=reshape(1:row*col,row,col);
criterion=2/4/6/8/10;
connectivity=8/4;
[seg,seg_arr,reg_info]=region_grow1(input,seg,criterion,connectivity);
seg=uint16(seg);
imshow(histeq(seg));
get8ngb函数
function ngb = get8ngb(rows,cols,x,y)
% 用来获取矩阵中一个元素的8-连通相邻元素的坐标，结果存放在ngb中。
% 如果(x,y)是矩阵边界或顶角元素，获取的将是实际的相邻元素的坐标。如边界
% 像素有5个相邻元素，而顶角元素有3个。
if ((x == 1) & (y == 1)) % 处理左上角
ngb(1:2,1:1) = [2 1]';
ngb(1:2,2:2) = [2 2]';
ngb(1:2,2:2) = [1 2]';
elseif ((x == rows) & (y == 1)) % 处理左下角
ngb(1:2,1:1) = [rows 2]';
ngb(1:2,2:2) = [(rows - 1) 2]';
ngb(1:2,2:2) = [(rows - 1) 1]';
elseif (y == 1) % 处理左边界
ngb(1:2,1:1) = [(x+1) 1]';
ngb(1:2,2:2) = [(x+1) 2]';
ngb(1:2,2:2) = [x 2]';
ngb(1:2,4:4) = [(x-1) 2]';
ngb(1:2,3:3) = [(x-1) 1]';
elseif ((x == 1) & (y == cols)) % 处理右上角
ngb(1:2,1:1) = [1 (cols-1)]';
ngb(1:2,2:2) = [2 (cols-1)]';
ngb(1:2,2:2) = [2 cols]';
elseif ((x == rows) & (y == cols)) % 处理右下角
ngb(1:2,1:1) = [rows (cols-1)]';
ngb(1:2,2:2) = [(rows-1) (cols-1)]';
ngb(1:2,2:2) = [(rows-1) cols]';
elseif (y == cols) % 处理右边界
ngb(1:2,1:1) = [(x+1) cols]';
ngb(1:2,2:2) = [(x+1) (cols-1)]';
ngb(1:2,3:3) = [x (cols-1)]';
ngb(1:2,4:4) = [(x-1) (cols-1)]';
ngb(1:2,5:5) = [(x-1) cols]';
elseif (x == 1) % 处理上边界
ngb(1:2,1:1) = [1 (y-1)]';
ngb(1:2,2:2) = [2 (y-1)]';
ngb(1:2,3:3) = [2 y]';
ngb(1:2,4:4) = [2 (y+1)]';
ngb(1:2,5:5) = [1 (y+1)]';
elseif (x == rows) % 处理下边界
ngb(1:2,1:1) = [rows (y-1)]';
ngb(1:2,2:2) = [(rows-1) (y-1)]';
ngb(1:2,3:3) = [(rows-1) y]';
ngb(1:2,4:4) = [(rows-1) (y+1)]';
ngb(1:2,5:5) = [rows (y+1)]';
else %其他
ngb(1:2,1:1) = [(x-1) y]';
ngb(1:2,2:2) = [(x-1) (y-1)]';
ngb(1:2,3:3) = [x (y-1)]';
ngb(1:2,4:4) = [(x+1) (y-1)]';
ngb(1:2,5:5) = [(x+1) y]';
ngb(1:2,6:6) = [(x+1) (y+1)]';
ngb(1:2,7:7) = [x (y+1)]';
ngb(1:2,8:8) = [(x-1) (y+1)]';
end
region_grow1函数
function [seg,seg_arr,reg_info]=region_grow1(im,seg,criterion,connectivity)
%输入参数:
% im: 用于分区的图像
% seg: 图像初始标签矩阵，与im大小相同。通常它的每个像素都有不同的标签值
% criterion: 判断区域合并与否的条件值
% connectivity: 邻域连通的大小，取4或8
% 输出参数:
% seg: 分割后的图像
% seg_arr: 每次循环处理的图像分割的结果，是中间图像
% reg_info: 记录各个分割区域的信息的结构
rows=size(im,1); %计算图像大小
cols=size(im,2);
reg_info=repmat(struct('size',0,'crt',0,'row_coord',[],'col_coord',[]),1,rows*cols); %记录区域列坐标
%从初始划分中收集已有区域的信息
for m=1:rows
for n=1:cols
c_lab=seg(m,n);
reg_info(c_lab).size = reg_info(c_lab).size+1;
%计算每一个区域的均值
reg_info(c_lab).crt =double((reg_info(c_lab).size-1)*reg_info(c_lab).crt+im(m,n)/reg_info(c_lab).size);
reg_info(c_lab).row_coord = [reg_info(c_lab).row_coord m];
reg_info(c_lab).col_coord = [reg_info(c_lab).col_coord n];
end
end
changed=1; %假设第一次循环区域划分会发生变化
iter=0; %记录循环次数
%图像发生变化时，按照规则继续分割图像
while(changed)
disp(['Currently in iteration: ' num2str(iter+1)]);
changed=0;
for m=1:rows
for n=1:cols
c_lab=seg(m,n); %获得当前像素的标签值
%获取当前像素的4-连通或8-连通邻域的像素坐标
if (connectivity==4)
ngb=get4ngb(rows,cols,m,n);
end
if (connectivity==8)
ngb=get8ngb(rows,cols,m,n);
end
%检查所有邻域像素的标签值，按照规则依次判断是否与当前像素同区
for k=1:size(ngb,2)
n_lab=seg(ngb(1,k),ngb(2,k));
if(n_lab~=c_lab)
if(abs(reg_info(n_lab).crt-reg_info(c_lab).crt)<criterion)
%更改标签值等于c_lab的区域的均值
reg_info(c_lab).crt=(reg_info(c_lab).size*reg_info(c_lab).crt+reg_info(n_lab).size*reg_info(n_lab).crt)/(reg_info(c_lab).size+reg_info(n_lab).size);
%更改该区域的大小
reg_info(c_lab).size=reg_info(c_lab).size+reg_info(n_lab).size;
%给该区域中的所有像素赋标签值c_lab
tmp_row_coord=reg_info(n_lab).row_coord;
tmp_col_coord=reg_info(n_lab).col_coord;
for p=1:reg_info(n_lab).size
seg(tmp_row_coord(p),tmp_col_coord(p))=c_lab;
end
%更改该区域内所有像素的坐标
reg_info(c_lab).row_coord=[reg_info(c_lab).row_coord
reg_info(n_lab).row_coord];
reg_info(c_lab).col_coord=[reg_info(c_lab).col_coord
reg_info(n_lab).col_coord];
reg_info(n_lab).size=0;
changed=1;
end
end
end
end
end
iter=iter+1;
%将本次循环结果存在放到seg_arr中，用于验证。
%其中第一个图像是初始的分割图像
seg_arr(:,:,iter)=seg;
end
%清空reg_info
index=1;
for m=1:max(max(seg))
if (reg_info(m).size>0)
tmp_reg_info(index)=reg_info(m);
index=index+1;
end
end
reg_info=tmp_reg_info;
get4ngb函数
function ngb = get4ngb(rows,cols,x,y)
% 用来获取矩阵中一个元素的4-连通相邻元素的坐标，结果存放在ngb中。
% 如果(x,y)是矩阵边界或顶角元素，获取的将是实际的相邻元素的坐标。如边界
% 像素有3个相邻元素，而顶角元素有2个。
if ((x == 1) & (y == 1)) % 处理左上角
ngb(1:2,1:1) = [2 1]';
ngb(1:2,2:2) = [1 2]';
elseif ((x == rows) & (y == 1)) % 处理左下角
ngb(1:2,1:1) = [rows 2]';
ngb(1:2,2:2) = [(rows - 1) 1]';
elseif (y == 1) % 处理左边界
ngb(1:2,1:1) = [(x+1) 1]';
ngb(1:2,2:2) = [x 2]';
ngb(1:2,3:3) = [(x-1) 1]';
elseif ((x == 1) & (y == cols)) % 处理右上角
ngb(1:2,1:1) = [1 (cols-1)]';
ngb(1:2,2:2) = [2 cols]';
elseif ((x == rows) & (y == cols)) % 处理右下角
ngb(1:2,1:1) = [rows (cols-1)]';
ngb(1:2,2:2) = [(rows-1) cols]';
elseif (y == cols) % 处理右边界
ngb(1:2,1:1) = [(x+1) cols]';
ngb(1:2,2:2) = [x (cols-1)]';
ngb(1:2,3:3) = [(x-1) cols]';
elseif (x == 1) % 处理上边界
ngb(1:2,1:1) = [1 (y-1)]';
ngb(1:2,2:2) = [2 y]';
ngb(1:2,3:3) = [1 (y+1)]';
elseif (x == rows) % 处理下边界
ngb(1:2,1:1) = [rows (y-1)]';
ngb(1:2,2:2) = [(rows-1) y]';
ngb(1:2,3:3) = [rows (y+1)]';
else %其他
ngb(1:2,1:1) = [(x-1) y]';
ngb(1:2,2:2) = [x (y-1)]';
ngb(1:2,3:3) = [(x+1) y]';
ngb(1:2,4:4) = [x (y+1)]';
end
分析
对比上述六幅图像，可以发现，在Connectivity相同时，随着criterion的增大，图像分割的效果逐渐增强，criterion=2时，基本没有将人与背景区分开，criterion=10/12两个附近时，能够达到比较理想的分割效果。
针对rice.jpg这幅图像，运用大津法进行分割，并自动统计大米的数量。请展示Matlab程序，和分割后的图像
分割代码
rice =imread('rice.jpg');
level =graythresh(rice);
rice_d = imbinarize(rice ,level);
subplot(121),imshow(rice);title('rice原图像');
subplot(122),imshow(rice_d);title('大津法分割后图像');
分割&计数代码
rice=imread('rice.jpg');
rt=imopen(rice,strel('disk',10));
rice_t=imsubtract(rice,rt);
level=graythresh(rice_t);
rice_d=imbinarize(rice_t,level);
[labeled,num]=bwlabel(rice_d,4);
[m,n]=size(labeled);
A=zeros(num,1);
结果
分割后统计出的大米数量为100
代码文件可以从主页发布里面找
万水千山都是情，路过点个赞行不行！
希望看见的都可以帮忙点个赞！拜托了！
觉得还可以的动动手指帮忙点个赞！呜呜~
