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 |
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,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) |
CopyRight 2018-2019 实验室设备网 版权所有 |