matlab中的双阈值处理

Question

我正在寻找双阈值进行细分！ 我必须在matlab中做这个算法，但我找不到任何来源!!

双重阈值：

（1）选择两个阈值T1和T2。

（2）将图像划分为三个类型区域：

R1，包含灰度值低于T1的所有像素。

R2，包含灰色值介于T1和T2之间的所有像素，包括在内。

R3，包含灰度值高于T2的所有像素。

其中R1 =核心区域，R2 =边缘（中间，过渡）区域，R3 =背景。

（3）访问区域R2中的每个像素。如果像素在区域R1中具有邻居，则将像素重新分配给区域R1。

（4）重复步骤3，直到没有重新分配像素。

（5）将区域R2中剩余的任何像素重新分配给R3。

此图片显示了我想要的内容：http://www.directupload.net/file/d/3636/3ihhmzgb_jpg.htm

我该怎么办？！请帮助我。

Answer 1

假设您的图像存储在名为im的变量中。还假设im采用双格式[0-1]。让我们一步一步地浏览每个部分，附带代码。

  

（1）选择两个阈值T1和T2。

让我们说T1 = 0.1和T2 = 0.7。我们需要确保这些阈值处于强度谱的较低和较高端。

T1 = 0.1;
T2 = 0.7;

  

（2）将图像划分为三个类型区域：   R1，包含灰度值低于T1的所有像素。   R2，包含灰度值在T1和T2之间的所有像素，包括在内。   R3，包含灰度值高于T2的所有像素。   其中R1 =核心区域，R2 =边缘（中间，过渡）区域，R3 =背景。

我们将创建三个二进制映射，告诉我们图像中的每个条件都满足。

R1 = im < T1;
R2 = im >= T1 & im <= T2;
R3 = im > T2;

  

（3）访问区域R2中的每个像素。如果像素在区域R1中具有邻居，则重新分配   像素到区域R1。

我将假设 8-connectedness ，这意味着邻居将使用基本方向为N，NE，E，SE，S，SW，W或NW。我们可以做的是为R2取每个重叠的像素邻域并将它们放入列中。对R1执行相同操作。我们可以使用名为im2col的函数来帮助我们做到这一点。 8-connectedness 检查3 x 3像素邻域内的邻居。关于im2col的很酷的是，对于此函数的输出，中间行将包含每个邻域的中心。当我们想要重建我们的地区时，我们肯定会需要这个。当我们提取每个社区的中心时，只需检查是否：

1. 如果区域R2中每个社区的中心评估为true
2. R1对应邻域中的任何像素都评估为true，然后这些像素都是R2的邻居。

     %//Zero-pad the regions so we can check the borders
     R1 = padarray(R1, [1 1], 'replicate');
     R2 = padarray(R2, [1 1], 'replicate');

     %//Transform into columns
     B1 = im2col(R1, [3 3]);
     B2 = im2col(R2, [3 3]);

     %//Extract size for later
     [rows cols] = size(R1); 

     %// Extract centre of each neighbourhood
     middleB2 = B2(5,:);

     % // Find the indices of those neighbourhoods that have 1 in the centre
     windowsHaving1 = find(middleB2 == 1);

     % // Access the corresponding neighbourhoods in R1
     % // If ANY of them have a pixel of 1, then we know
     % // these locations from R2 need to go back to R1
     % // In that case, all you really have to do is take whichever
     % // pixels are true, and set them to true in R1

     % // See which neighbourhoods in `R1` have any pixels that are 1
     % // given the corresponding region in R2
     finalColumns = any(B1(:,windowsHaving1), 1);

     % // Grab the indices of these columns
     finalColumnsIndex = windowsHaving1(finalColumns);

     % // Reasign those pixels that are neighbours to R1     
     B1(5, finalColumnsIndex) = 1;
     B2(5, finalColumnsIndex) = 0;

     %// Restructure back - Recall this image is padded
     %// We took the rows and columns of the padded image
     %// and so we need to subtract each dimension by 2
     R1 = reshape(B1(5,:), rows-2, cols-2);
     R2 = reshape(B2(5,:), rows-2, cols-2);

  

（4）重复步骤3，直到没有重新分配像素。

已经完成。

  

（5）将区域R2中剩余的所有像素重新分配给R3。

这非常直截了当。 R2中的所有像素都是真的，只需在R3中启用它们。

R3 = R2 | R3;

因此，您的最终双阈值图像将保留在R1和R3中。如果要创建一个整数映射，告诉您哪些像素位于哪个区域，您可以执行以下操作：

map = zeros(size(im));
map(R1) = 1;
map(R3) = 2;

在完成双阈值过程后，任何0的像素都不符合条件。作为测试，让我们在常规图像上看一下。我将使用MATLAB路径中的cameraman.tif。因此，像这样加载图像：

im = im2double(imread('cameraman.tif'));

之后，运行我的代码。这些是我得到的结果。白色像素属于相应的区域，而黑色像素不属于。



祝你好运！

Answer 2

更新受到@ rayryeng完整解决方案的启发，这是一个可行的（经过验证的）解决方案 - 我原来有一些小错误（就像你在Matlab代码之外编写的那样） Matlab环境......）。这种方法的优点是它不需要使用图像处理工具箱。

A = double(imread('cameraman.tif'))*(1/256.0); % import, scale to range 0-1
original = A; % keep a copy
T1 = 0.2;
T2 = 0.5; % thresholds

A(A>T2) = 3; % region 3
A(A<T1) = 1; % region 1
A(A~=1 & A~=3) = 2;  % region 2: the rest

% create a "padded" version
Apad = zeros(size(A)+2);
Apad(2:end-1, 2:end-1) = A; % now we have a zero border
nr = size(Apad, 1); % number of rows
numFound = 1; % initially some number > 0
neighbors = [-nr-1, -nr, -nr+1, -1, 1, nr-1, nr, nr+1]; % offset of all neighbors

% loop that does the hard work:
while numFound>0
  f2 = find(Apad==2); % indices of all elements in region 2
  i21 = bsxfun(@plus, f2(:), neighbors); % indices of all neighbors
  convert = find(any(Apad(i21) == 3, 2)); % find all pixels that have a neighbor in region 3
  numFound = numel(convert);
  Apad(f2(convert)) = 3;
end

Apad(Apad==2) = 1; % set remaining "islands" to 1
result = Apad(2:end-1, 2:end-1);

%% display results
figure('position', [100 100 900 300]);
subplot(1,3,1); imagesc(original); axis image; axis off; colormap gray
subplot(1,3,2); imagesc(A); axis image; axis off; colormap jet
subplot(1,3,3); imagesc(result); axis image; axis off; colormap gray
saveas(gcf, 'R1R2.png')

结果是（原始 - 三个地区 - 两个地区）：

注意摄影师的裤子里有趣的事情。有两个＆＃34;区域2＆＃34;腿部区域 - 但只有其中一个＆＃34;连接＆＃34;到＆＃34;区域3＆＃34;两腿之间。因此，在最终的阈值图像中，您会看到一个区域显示为明亮，另一个区域显示为暗色。这确实是预期的行为 - 但它很好地证实了算法的效果与广告一样。