超全面！Matlab图像处理基本操作( 二 ) _睿知

》》 I2=imsubtract（I，background）;
》》 figure，imshow（I2）

文章插图
4、调节图像的对比度（图像较暗，可用imadjust函数命令来调节图像的对比度）
》》 I3=imadjust（I2，stretchlim（I2），［0 1］）;
》》 figure，imshow（I3）;

文章插图
5、使用阈值操作将图像转换为二进制（二值）图像（bw），调用whos命令查看图像的存储信息。
》》 level=graythresh（I3）; % 图像灰度处理
》》 bw=im2bw（I3，level）; % 图像二值化处理
》》 figure，imshow（bw） % 显示处理后的图片
》》 whos
Name Size Bytes Class
I 256x256 65536 uint8 array
I2 256x256 65536 uint8 array
I3 256x256 65536 uint8 array
background 256x256 65536 uint8 array
bw 256x256 65536 logical array
level 1x1 8 double array
Grand total is 327681 elements using 327688 bytes

文章插图
6、检查图像中对象个数（bwlabel函数表示了二值图像中的所有相关成分并返回在图像中找到的对象个数）
》》［labeled，numObjects］=bwlabel（bw，4）;
》》 numObjects
numObjects =
101
表示图像中的米粒对象个数是101.
7、检查标记矩阵：（imcrop命令进行交互式操作，图像内拉出较小矩形并显示已标记的对象和部分背景内的像素）
》》 grain=imcrop（labeled）
grain =
0 0 42 42 42 42 42 42 42 0
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 42 42 42 42 42 42 42 42 42
0 42 42 42 42 42 42 42 42 42
8、观察标记矩阵（用label2rgb将其显示为一副伪彩色的索引图像）：
》》 RGB_label=label2rgb（labeled，@spring，‘c’，‘shuffle’）;
》》 imshow（RGB_label）;

文章插图
9、测量图像对象或区域的属性（Regionprops，返回一个结构数据）
》》 graindata=https://www.rkxy.com.cn/dnjc/regionprops（labeled，‘basic’）
graindata =https://www.rkxy.com.cn/dnjc/
101x1 struct array with fields：
Area
Centroid
BoundingBox
》》 graindata（40）.Area % 显示矩阵中第40个元素的属性
ans =
197
》》 graindata（40）.BoundingBox，graindata（40）.Centroid % 寻找最近的边缘和中心点
ans =
82.5000 59.5000 24.0000 20.0000
ans =
95.4213 70.4924
》》 allgrains=［graindata.Area］; % 创建一个新的向量allgrains，其包含每个米粒的范围
》》 whos allgrains
Name Size Bytes Class
allgrains 1x101 808 double array
Grand total is 101 elements using 808 bytes
》》 allgrains（51） % 相当于整个矩阵的索引为51的属性是多少，可见与原来得到的结果相同
ans =
140
》》 max（allgrains） % 获取最大的米粒大小
ans =
404
》》 biggrain=find（allgrains==404） % 使用find命令返回这个最大尺寸米粒的标记号
biggrain =
59
》》 mean（allgrains） % 获取米粒的平均大小
ans =
175.0396
10、绘制包含30个柱的直方图来说明米粒大小的分布情况
》》 hist（allgrains，30）