| 基于matlab的传统算法分割 | 您所在的位置：网站首页 › 二值图像取反 matlab › 基于matlab的传统算法分割 |
基于matlab的传统算法分割
|
需求：运用形态学方法先分割出细胞膜的结构，然后运用圆形膨胀法扩展整个细胞范围 分割 Orig=imread('F:\ProgramFiles\MATLAB\R2016a\bin\1G.bmp'); I=rgb2gray(Orig);%转为灰度图像原图：
自定阈值分割 FG1=I>125 %大于125的地方为白（1），小于为黑（0） 
OtSU阈值分割
Otsu阈值分割，可以借助函数graythresh来自动获取阈值，然后根据这个阈值进行分割； M=graythresh(I)%自动获取阈值 FG2=im2bw(I,M);%根据M的大小来进行分割
迭代阈值分割 首先是读取灰度图片，设置一个精度值（这里设的是S），在设置一个初值变量S1等于灰度图最大值和最小值之和的二分之一，再设置两个变量r1和r2，r1是所有大于初值变量S1的元素和，r2是所有小于等于S1的元素和；在设置变量S2等于（r1的平均数+r2的平均数）/2；在进入while循环，经过转换，让S1等于S2，再重复进行前几步，直到精度小于设定的精度S1；这时得到的S2为阈值，再通过im2bw来显示二值图； I=im2double(I); S=0.1; S1=(max(I(:))+min(I(:)))/2; r1=find(I>S1); r2=find(IS S1=S2; r1=find(I>S1); r2=find(I0 count=0; for i=1:M %遍历整幅图像 for j=1:N if J(i,j)==1 %点在“栈”内 if (i-1)>1&(i+1)1&(j+1) |
【本文地址】
公司简介
联系我们