本文视频地址：https://www.bilibili.com/video/av68228488?p=9
主要学习了初阶影像处理。有三个内容：
- 图像阈值
- 背景预测
- 相关连的标签
计算米粒颗数
先将图片二值化。那么有米粒的区域应该是1，而没有的地方就是0。那么去计算有多少个一大群1的个数就可以。
graythresh()
T=graythresh() ,从灰度图像 I 计算一个全局阈值T，使用 Otsu的方法。这个方法是选择一个相对于黑像素和白像素最小的一个方差。
全局阈值T可以用来将灰度图像转换为二值图像，使用 imbinarize. 阈值T肯定是属于 [0 1] 区间。
BW= imbinarize( I )
从2D 或 3D灰度图像 I 创建一个二值化图像，通过将所有数值用全局阈值转换为0 或者是1。
im2bw()
BW=im2bw(I ,level) , 将灰度图转换为二值化图像。通过将所有的像素用亮于 level 的变为1， 低于 level 的变为0。
I =imread('rice.png');
level=graythresh(I); %计算最佳阈值
bw=im2bw(I,level); %将灰度图转换为二值化图
subplot(1,2,1); imshow(I);
subplot(1,2,2); imshow(bw);
根据这个图可以看到，如果我们选择不同的阈值就会显示不同的图像。阈值的好坏很重要。
14分钟练习
clear all; %14分钟练习
I =imread('rice.png');
Z=I;
level=graythresh(I); %计算最佳阈值
a=255 * level;
for i=1:size(I,1)for j=1:size(I,2)if I(i,j) >aZ(i,j)=255; %因为这里不是二值化图，所以最大应该是255，而不是1elseZ(i,j)=0;endend
end
imshow(Z);
先算出背景，然后不背景去掉
imopen(I,SE)
用到一个函数 J=imopen(I,SE)
执行形态开放用于灰度图像或者是二值图像 I， 返回一个开放图像。SE 是一个单独结构化的元素对象，通过 strel 或者 offsetstrel 函数来返回。也就是说 SE 其实又是一个函数，这个函数是 strel 或者 offsetstrel 。
形态开放操作是先侵蚀后扩张，两种操作使用相同的结构元素。
具体可以查看MATLAB帮助文件：https://ww2.mathworks.cn/help/images/ref/imopen.html
strel
一个strel对象代表一个平坦的形态结构元素，它是形态扩张和侵蚀操作的重要组成部分。
平面结构元素是一种二维或多维的二值邻域，其中真实像素包含在形态计算中，而虚假像素不包含在形态计算中。结构元素的中心像素称为原点，它标识正在处理的图像中的像素。使用strel函数(如下所述)创建一个平面结构元素。您可以对二进制和灰度图像使用平面结构元素。下图说明了一个平面结构元素。
SE= strel('disk',r,n)
创建一个磁盘形状的结构元素，其中r指定半径，n指定用于近似磁盘形状的线结构元素的数量。当结构元素使用近似值时，使用磁盘近似值的形态操作运行得快得多。
除了 disk, 还有很多其它的。例如 nhood, diamond, octagon 等等。
具体可以查看MATLAB帮助文件：https://ww2.mathworks.cn/help/images/ref/strel.html#bu7pnvx-1
offsetstrel
offsetstrel 它不是平面的。这里再不详细说明。
clear all; %23分钟练习
I =imread('rice.png');
SE=strel('disk',2); %创建一个半径为像素2的圆盘形结构元素。
BG= imopen(I,SE); %%将半径小于2像素的 磁盘状的在图像I中去掉
subplot(2,3,2);imshow(BG,[]); % 将最小值显示为黑色，最大显示为白色
subplot(2,3,4); imshow(I);
subplot(2,3,5);
SE=strel('disk',15); %创建一个半径为像素15的圆盘形结构元素。
BG= imopen(I,SE); %将半径小于15像素的 磁盘状的在图像I中去掉%如果将半径小于15的像素去掉的话，基本上是把所有的白色米粒全部都去掉了，只省一个背景
imshow(BG);
subplot(2,3,6);
I2=imsubtract(I,BG); %将原图减去背景，可以得到比较清楚的图了，但小区域的杂点还是存在
imshow(I2);
当 SE=strel('disk',5); 时，我们来看看SE 是什么。它会创建一个对象，在这里以半径为5像素，其它为0。作一个圆。当在 imopen里探索时，当里面大致颜色相同的区域小于5个像素时，会移除掉。
23分钟练习
clear all; %23分钟练习
I=imread('rice.png'); level=graythresh(I);
bw=im2bw(I,level);
subplot(2,2,1); imshow(bw);
BG=imopen(I,strel('disk',15));
I2=imsubtract(I,BG); level=graythresh(I2);
bw2=im2bw(I2,level);
subplot(2,2,2); imshow(bw2);
BG1=imopen(I,strel('disk',4)); %直接将半径放小到4像素，显示到3上
level1=graythresh(BG1); %将此图求阈值
bw3=im2bw(BG1,level1); %转换为二值图,全用算出来的阈值
subplot(2,2,3); imshow(BG1);
subplot(2,2,4); imshow(bw3); %此图我发现转换的不准确，我手动将阈值放小一点，0.42，发现显示会好点。但依然没有老师的方法好
Connected-component Labeling:bwlabel()
这个方法就是在一张二值化图里寻找像素在一起的群。并把他们分开。左侧的Binary 是二值 化图，右侧的Label 是一个 Label 矩阵。搜寻出来的数据会在这个矩阵里更新。下面将以下是如何工作的：
看弹幕说这个方法就是 BFS
先从第一行第一列搜索，找到第一个1，并以这个1为圆心，向右和向下寻找是否否也有1。
寻找过的地方则在Binary里标为0，在Label里标为1。直到向右向下再没有发现1。则这一团数据寻找完毕。
继续扫描，再找的1，就是第二团数据的开始，标为2。依次类推，有多少个团，就有多少团数据。
bwlabel()
L = bwlabel(BW)
返回一个label矩阵L,默认为8连接方式。
L = bwlabel(BW,conn)
返回一个label矩阵L, conn可以选择为8连接方式或者是4连接方式。
[L,n] = bwlabel(___)
返回一个label矩阵L, n 是返回里面有多少团数据 。
以下是8连接和4连接的说明：
clear all; %34分钟练习
I=imread('rice.png');
BG=imopen(I,strel('disk',15));
I2=imsubtract(I,BG);
level=graythresh(I2);
BW=im2bw(I2,level);
[labeled, numObjects]=bwlabel(BW,8);38分钟练习
clear all; %38分钟练习
I=imread('rice.png');
BG=imopen(I,strel('disk',15));
I2=imsubtract(I,BG);
level=graythresh(I2);
BW=im2bw(I2,level);
[labeled, numObjects]=bwlabel(BW,8); %labelded 是矩阵， numObjects是有多少团数据.8是8连接。弹幕说4连接不好在这里
num=zeros(1,numObjects);
for k=1:numObjects %能过遍历，从labeled里寻找1-99，每个数的个数。放到一个1*99的矩阵里。for i=1:size(labeled,1)for j=1:size(labeled,2)if labeled(i,j)==knum(1,k)=num(1,k)+1;endendend
end
% max=0;
% for i=1:numObjects %从num矩阵里找到最大值。
% if max<num(1,i)
% max=num(1,i);
% end
% end
means=mean(num) %平均值
z=max(num) %从num矩阵里找到最大值。如果要使用上面打注释的语法，记得不要用max这个名字。因为你相当于自定义了，所以不能够再使用内置函数max()
label2rgb()
颜色显示
44分钟练习
%%
clear all; clc; %44分钟练习
I=imread('rice.png');
BG=imopen(I,strel('disk',15));
I2=imsubtract(I,BG);
level=graythresh(I2);
BW=im2bw(I2,level);
[labeled, numObjects]=bwlabel(BW,8); %labelded 是矩阵， numObjects是有多少团数据.8是8连接。弹幕说4连接不好在这里
num=zeros(1,numObjects);
for k=1:numObjects %能过遍历，从labeled里寻找1-99，每个数的个数。放到一个1*99的矩阵里。for i=1:size(labeled,1)for j=1:size(labeled,2)if labeled(i,j)==knum(1,k)=num(1,k)+1;endendend
end
subplot(1,3,1); hist(num,20); %将num 用直方图表示出来，分了20个bin
axis square;
[m n]=size(I);
red_map=zeros(m,n,3); %因为RGB图是由三色决定的，所以给每一个像素分配一个[R G B],因为只要改红色，所以先默认[0 0 0]
for i=1:size(I,1)for j=1:size(I,2)if BW(i,j)==1red_map(i,j,1)=255; %将有米粒的地方设置为[255 0 0],也就是红色endend
end
subplot(1,3,2);
imshow(red_map); %通过imshow() 把矩阵 red_map 显示出来j=1; %将面积小于100的米去掉，原有数据变为2行的矩阵，每一列代表米粒的编号和面积。
new_num=zeros(2,numObjects);
new_num(1,:)=[1:numObjects];
new_num(2,:)=num;
for i=1:size(new_num,2)if new_num(2,i) < 100 %如果面积小于100，记下米粒的编号ab(j)=new_num(1,i);j=j+1;end
endfor k=1:size(ab,2) %将面积小于100的米，颜色设置为0，也就是黑色。for i=1:size(labeled,1)for j=1:size(labeled,2)if labeled(i,j)==ab(k)labeled(i,j)=0;endendend
endsubplot(1,3,3);
imshow(labeled);
regionprops()
stats = regionprops(BW,properties)
返回二进制图像BW中每个8连接组件(对象)的属性指定的属性集的度量值。stats是一个结构数组，其中包含图像中每个对象的结构。
在这个结构数组里，反映三个数据：面积（用多少个像素表示）、中心点、四个边界点，具体如下：
clear all; %49分钟练习
I=imread('rice.png');
BG=imopen(I,strel('disk',15));
I2=imsubtract(I,BG); level=graythresh(I2);
BW=im2bw(I2,level);
[labeled,numObjects]=bwlabel(BW,8);
graindata=regionprops(labeled,'basic'); %把labeled的值通过regionprops函数存储
graindata(51) %显示第51个数据
bwselect()
-
选择二进制图像中的对象
BW2 = bwselect(BW,c,r,n)
返回在图像BW中选择的坐标(r,c)的图像，其中n 是表示 是4连接还是8连接。默认是4连接。
BW2 = bwselect(BW,n)
在屏幕上显示图像BW，并允许您使用鼠标选择(r,c)坐标。如果您省略了BW, bwselect将对当前轴中的图像进行操作。使用正常的按钮点击添加点。按下Backspace或Delete以删除先前选择的点。按住shift键单击、右键单击或双击可以选择最后一个点;按Return完成选择，不添加点。在程序中老师用的就是这个语法。
%%
I=imread('rice.png'); %52分钟练习
BG=imopen(I,strel('disk',15));
I2=imsubtract(I,BG); level=graythresh(I2);
BW=im2bw(I2,level);
ObjI=bwselect(BW); %用鼠标选择坐标
imshow(ObjI); %显示出所选择的图像
![nginx日志[配置解释]](https://csdnimg.cn/release/blog_editor_html/release1.9.5/ckeditor/plugins/CsdnLink/icons/icon-default.png?t=LA92){kind=icon}
