Algorithm 如何根据强度值创建遮罩或检测图像部分？_Algorithm_Matlab_Image Processing_Matrix_Matlab Figure

Algorithm 如何根据强度值创建遮罩或检测图像部分？

algorithm matlab image-processing matrix

Algorithm 如何根据强度值创建遮罩或检测图像部分？,algorithm,matlab,image-processing,matrix,matlab-figure,Algorithm,Matlab,Image Processing,Matrix,Matlab Figure,我有一个名为的矩阵，从中我获得以下pcolorplot（Matlab版本R 2016b）基本上，我只想从这个图中提取底部红色的高强度线我想用某种方法从矩阵中提取最大值，并在主矩阵上创建某种遮罩。但我不明白实现这一目标的可能途径。可以借助任何边缘/图像检测算法来完成吗我试着用下面的代码创建一个掩码 A=max(figmat); figmat(figmat~=A)=0; imagesc(figmat); 但这只给出了最大值的边界。我还需要整个红色的带子好的，我假设红线是线性的，它的值可以唯

我有一个名为的矩阵，从中我获得以下

pcolor

plot（Matlab版本R 2016b）

基本上，我只想从这个图中提取底部红色的高强度线

我想用某种方法从矩阵中提取最大值，并在主矩阵上创建某种遮罩。但我不明白实现这一目标的可能途径。可以借助任何边缘/图像检测算法来完成吗

我试着用下面的代码创建一个掩码

A=max(figmat);
figmat(figmat~=A)=0;
imagesc(figmat);

但这只给出了最大值的边界。我还需要整个红色的带子

好的，我假设红线是线性的，它的值可以唯一地与图片的其余部分分开。让我们生成一些测试数据

[x,y] = meshgrid(-5:.2:5, -5:.2:5);
n = size(x,1)*size(x,2);
z = -0.2*(y-(0.2*x+1)).^2 + 5 + randn(size(x))*0.1;
figure
surf(x,y,z);

此脚本生成一个曲面函数。它的一组最大值（x，y）可以用线性函数y=0.2*x+1来描述。我给它加了一点噪音，使它更逼真

现在我们选择z小于最大值95%的所有点。因此可以使用

find

。稍后，我们希望使用一维数据，因此我们对所有内容进行重塑

thresh = min(min(z)) + (max(max(z))-min(min(z)))*0.95;
mask = reshape(z > thresh,1,n);
idx = find(mask>0);
xvec = reshape(x,1,n);
yvec = reshape(y,1,n);

xvec

和

yvec

现在包含所有值的坐标>阈值

最后一步是在所有点上做一些线性多项式

pp = polyfit(xvec(idx),yvec(idx),1)

pp =

    0.1946    1.0134

显然，这些系数大致是y=0.2*x+1的系数

我不知道这是否也适用于你的数据，因为我做了一些假设。必须仔细选择阈值水平。如果您真的想自动处理图像，可能必须进行一些预处理以动态检测此级别。也许还有更简单的方法。。。但对我来说，这条线是直接的，不需要任何工具箱。

好吧，我假设红线是线性的，它的值可以唯一地与图片的其余部分分开。让我们生成一些测试数据

[x,y] = meshgrid(-5:.2:5, -5:.2:5);
n = size(x,1)*size(x,2);
z = -0.2*(y-(0.2*x+1)).^2 + 5 + randn(size(x))*0.1;
figure
surf(x,y,z);

此脚本生成一个曲面函数。它的一组最大值（x，y）可以用线性函数y=0.2*x+1来描述。我给它加了一点噪音，使它更逼真

现在我们选择z小于最大值95%的所有点。因此可以使用

find

。稍后，我们希望使用一维数据，因此我们对所有内容进行重塑

thresh = min(min(z)) + (max(max(z))-min(min(z)))*0.95;
mask = reshape(z > thresh,1,n);
idx = find(mask>0);
xvec = reshape(x,1,n);
yvec = reshape(y,1,n);

xvec

和

yvec

现在包含所有值的坐标>阈值

最后一步是在所有点上做一些线性多项式

pp = polyfit(xvec(idx),yvec(idx),1)

pp =

    0.1946    1.0134

显然，这些系数大致是y=0.2*x+1的系数

我不知道这是否也适用于你的数据，因为我做了一些假设。必须仔细选择阈值水平。如果您真的想自动处理图像，可能必须进行一些预处理以动态检测此级别。也许还有更简单的方法。。。但对我来说，这是一个直接的过程，不需要任何工具箱。

假设：

只有一个波段需要提取

它始终具有最大值

它是线性的

我也可以接受这种情况，只需稍作改动：

首先，我们得到矩阵中值的分布，并在顶部值中寻找一个总体，它可以与较小的值区分开来。这是通过在柱状图上找到最大值

x（i）

来实现的：

是局部最大值（其箱位高于

x（i+1）

和

x（i-1）

）

上面的值比里面的值多（箱子高度

x（i+1）

到

x（end）

<箱子高度

）：

这是如何做到的：

[h,x] = histcounts(figmat); % get the distribution of intesities
d = diff(fliplr(h)); % The diffrence in bin height from large x to small x
band_min_ind = find(cumsum(d)>size(figmat,2) & d<0, 1); % 1st bin that fit the conditions
flp_val = fliplr(x); % the value of x from large to small
band_min = flp_val(band_min_ind); % the value of x that fit the conditions

如果我们把它画出来，我们可以看到探测带所在的红线：

接下来，我们可以将这条线加厚，以更好地表示这条线：

thick = max(sum(mA)); % mode thickness of the line
tmp = (1:thick)-ceil(thick/2); % helper vector for expanding
rows = bsxfun(@plus,tmp.',floor(f_line(1:size(A,2)))); % all the rows for each column
rows(rows<1) = 1; % make sure to not get out of range
rows(rows>size(A,1)) = size(A,1); % make sure to not get out of range
inds = sub2ind(size(A),rows,repmat(1:size(A,2),thick,1)); % convert to linear indecies
mA(inds) = true; % add the interpolation to the mask
result = figmat.*mA; % apply the mask on figmat

假设：