Image Matlab'的说明；BWS标签、regionprops&；质心函数

我花了一整天的时间阅读上面的MATLAB函数。我似乎在网上找不到任何好的解释，甚至在MathWorks网站上也找不到

如果有人能解释一下

bwlabel

、

regionprops

和

centroid

，我将不胜感激。如果应用于灰度图像，它们是如何工作的

具体来说，它们在下面的代码中使用。上述函数如何应用于下面的代码

fun=@minutie; L = nlfilter(K,[3 3],fun); 
%% Termination LTerm=(L==1); 
figure; imshow(LTerm) 
LTermLab=bwlabel(LTerm); 
propTerm=regionprops(LTermLab,'Centroid'); 
CentroidTerm=round(cat(1,LTerm(:).Centroid)); 
figure; imshow(~K) 
set(gcf,'position',[1 1 600 600]); hold on 
plot(CentroidTerm(:,1),CentroidTerm(:,2),'ro') 

---

这解释得太多了！。。。尽管如此，我还是想向你解释一下。然而，我有点惊讶，你不能理解MathWorks的文档。它实际上非常擅长解释它们的很多功能（如果不是全部的话）

顺便说一句，

bwlabel

和

regionprops

对于灰度图像未定义。只能将这些应用于二进制图像

更新：

bwlabel

仍有接受二进制图像的限制，但

regionprops

不再有此限制。它还可以接收通常从

bwlabel

输出的标签矩阵以及二进制图像

假设您想要的是二进制图像，我对每个函数的解释如下

---

bwlabel

拍摄二值图像。这个二值图像应该包含一组相互分离的对象。属于对象的像素用

1

/

true

表示，而作为背景的像素是

0

/

false

。例如，假设我们有一个如下所示的二进制图像：

0  0  0  0  0  1  1  1  0  0
0  1  0  1  0  0  1  1  0  0
0  1  1  1  0  0  0  0  0  0
0  0  0  0  0  0  0  0  0  1
0  0  0  0  0  0  0  0  1  1
0  0  1  1  1  1  0  0  1  1

0  0  0  0  0  3  3  3  0  0
0  1  0  1  0  0  3  3  0  0
0  1  1  1  0  0  0  0  0  0
0  0  0  0  0  0  0  0  0  4
0  0  0  0  0  0  0  0  4  4
0  0  2  2  2  2  0  0  4  4

您可以在该图像中看到，该图像中有四个对象。对象的定义是那些

1

的像素，它们通过查看局部邻域连接成一个链。我们通常看8像素的街区，在那里你可以看到北、东北、东、东南、南、西南、西、西北方向。另一种说法是，对象是8-连接的。为了简单起见，有时人们会看4像素的街区，你只看北、东、南、西方向。这意味着对象是4-连接的

bwlabel

的输出将为您提供一个整数映射，其中每个对象都分配了一个唯一的ID。因此，

bwlabel

的输出如下所示：

0  0  0  0  0  1  1  1  0  0
0  1  0  1  0  0  1  1  0  0
0  1  1  1  0  0  0  0  0  0
0  0  0  0  0  0  0  0  0  1
0  0  0  0  0  0  0  0  1  1
0  0  1  1  1  1  0  0  1  1

0  0  0  0  0  3  3  3  0  0
0  1  0  1  0  0  3  3  0  0
0  1  1  1  0  0  0  0  0  0
0  0  0  0  0  0  0  0  0  4
0  0  0  0  0  0  0  0  4  4
0  0  2  2  2  2  0  0  4  4

因为MATLAB在major列中处理事情，这就是为什么上面的标签是这样的。因此，

bwlabel

为您提供每个像素的成员资格。如果每个像素落在一个对象上，这会告诉您它属于哪个位置<此地图中的代码>0对应于背景。要调用

bwlabel

，您可以执行以下操作：

L = bwlabel(img);

img

将是您提供给函数的二进制图像，

L

是我刚才提到的整数映射。此外，您可以向

bwlabel

提供2个输出，第二个参数告诉您图像中存在多少对象。因此：

[L, num] = bwlabel(img);

在上面的例子中，

num

将是4。作为另一种调用方法，可以指定要检查的连接像素邻域，因此可以执行以下操作：

[L, num] = bwlabel(img, N);

N

将是您要检查的像素邻域（即4或8）

---

regionprops

是一个非常有用的功能，我每天都在使用

regionprops

测量黑白图像中的各种图像数量和特征。具体地说，给定一个黑白图像，它会自动确定8连通的每个相邻白色区域的属性。这些特殊属性之一是质心。这也是质量中心。您可以将其视为对象的“中间”。这将是每个对象中间位置的

（x，y）

位置。因此，

regionprops

的

质心

的工作原理是，对于图像中看到的每个对象，这将计算对象的质心，

regionprops

的输出将返回一个结构，其中该结构的每个元素将告诉您黑白图像中每个对象的质心是什么<代码>质心只是属性之一。还有其他有用的特性，但我假设您不想这样做。要调用

regionprops

，您可以执行以下操作：

s = regionprops(img, 'Centroid');

上面的代码将计算图像中每个对象的质心。您可以为

regionprops

指定附加标志，以指定所需的每个功能。我强烈建议您看看

regionprops

可以计算的所有可能功能，因为有许多功能在各种不同的应用程序和情况下都很有用

此外，通过省略任何标志作为函数的输入，您将在默认情况下计算图像中的所有特征。因此，如果我们在MATLAB中声明上面看到的图像，这就是我运行

regionprops

后会发生的情况。之后，让我们计算质心是什么：

img = logical(...
   [0  0  0  0  0  1  1  1  0  0;
    0  1  0  1  0  0  1  1  0  0;
    0  1  1  1  0  0  0  0  0  0;
    0  0  0  0  0  0  0  0  0  1;
    0  0  0  0  0  0  0  0  1  1;
    0  0  1  1  1  1  0  0  1  1]);
s = regionprops(img, 'Centroid');

。。。最后，当我们显示质心时：

>> disp(cat(1,s.Centroid))

3.0000    2.6000
4.5000    6.0000
7.2000    1.4000
9.6000    5.2000

因此，第一个质心位于

（x，y）=（3，2.6）

，下一个质心位于

（x，y）=（4.5，6）

，依此类推。请特别注意，

x

坐标是列，而

y

坐标是行

---

---

希望这是清楚的

谢谢你的详细解释。但是，我在上面包含的代码中使用了上述所有内容。你能给我解释一下代码的作用吗？？我对t很感兴趣