Matlab：256个二进制矩阵到一个256级灰度图像

我的一个过程产生256个二进制（逻辑）矩阵，每个灰度级源图像对应一个

代码如下：

so = imread('bio_sd.bmp');
co = rgb2gray(so);

for l = 1:256
    bw = (co == l); %         Binary image from level l of original image
    be = ordfilt2(bw, 1, ones(3, 3)); %  Convolution filter
    bl(int16(l)) = {bwlabel(be, 8)}; %   Component labelling
end

我获得了一个包含256个二进制图像的单元数组。如果该位置的源图像像素与二值图像的索引具有相同的级别，则该二值图像包含1s

即，二进制图像bl{12}包含1s，其中源图像具有级别为12的像素

我想通过将256个二进制矩阵组合回灰度图像来创建新图像

但我对Matlab非常陌生，我想知道是否有人能帮我编写代码：）

---

ps：我使用的是matlab R2010a学生版。

最简单的解决方案是依次迭代每个逻辑矩阵，乘以相应的权重，然后累加到一个输出矩阵中，该矩阵将代表您的最终图像。

最简单的解决方案是依次迭代每个逻辑矩阵，将其乘以相应的权重，然后累加到一个输出矩阵中，该矩阵将代表您的最终图像。

整个答案仅适用于

假设您可以将所有的二进制矩阵合并成一个大的n×m×256矩阵

二进制图像（x，y，greyvalue）

。然后，您可以计算最终图像，如下所示：

newimage=sum(bsxfun(@times,binaryimage,reshape(0:255,1,1,[])),3)

这里的魔术是由bsxfun完成的，它将3D（nxmx256）二进制图像与包含灰色值0…255的1x1x256向量相乘。这将生成一个3D图像，其中对于固定的x和y，向量（y，x，：）包含许多零，并且（对于一个灰度值

G

，其中二进制图像包含

1

），它包含值

G

。所以现在你只需要在这个第三维度上求和就可以得到一个

nxm

图像

更新

要测试此功能是否正常工作，请先换一种方式：

fullimage=floor(rand(100,200)*256);
figure;imshow(fullimage,[0 255]);

是一个随机灰度图像。您可以这样计算256个二进制矩阵：

binaryimage=false([size(fullimage) 256]);
for i=1:size(fullimage,1)
   for j=1:size(fullimage,2)
      binaryimage(i,j,fullimage(i,j)+1)=true;
   end
end

我们现在可以应用我上面给出的解决方案

newimage=sum(bsxfun(@times,binaryimage,reshape(0:255,1,1,[])),3);

并验证我是否返回了原始图像：

all(newimage(:)==fullimage(:))

它给出了

1

（true）：-）

更新2

您现在提到，您的二进制图像位于一个单元格数组中，我假设

binimg{1:256}

，每个单元格包含一个nxm二进制数组。如果可以的话，更改生成这些数据的代码来创建我上面使用的3D二进制数组可能是有意义的——如果不同的单元格包含不同类型、形状或大小的数据，则单元格最有用

如果有充分的理由坚持使用单元阵列，则可以使用将其转换为三维阵列

binaryimage = reshape(cell2mat(reshape(binimg,1,256)),n,m,256);

如上所述，使用

n

和

m

。如果已经有

大小（binimg）==[1 256]

，则不需要进行内部重塑。总之，您需要使用单元格数组

binimg

来计算3D矩阵二进制图像，然后您可以使用它来计算

newimage

，您有兴趣在我回答的最开始使用代码

希望这有帮助……

整个答案只适用于

假设您可以将所有的二进制矩阵合并成一个大的n×m×256矩阵

二进制图像（x，y，greyvalue）

。然后，您可以计算最终图像，如下所示：

newimage=sum(bsxfun(@times,binaryimage,reshape(0:255,1,1,[])),3)

这里的魔术是由bsxfun完成的，它将3D（nxmx256）二进制图像与包含灰色值0…255的1x1x256向量相乘。这将生成一个3D图像，其中对于固定的x和y，向量（y，x，：）包含许多零，并且（对于一个灰度值

G

，其中二进制图像包含

1

），它包含值

G

。所以现在你只需要在这个第三维度上求和就可以得到一个

nxm

图像

更新

要测试此功能是否正常工作，请先换一种方式：

fullimage=floor(rand(100,200)*256);
figure;imshow(fullimage,[0 255]);

是一个随机灰度图像。您可以这样计算256个二进制矩阵：

binaryimage=false([size(fullimage) 256]);
for i=1:size(fullimage,1)
   for j=1:size(fullimage,2)
      binaryimage(i,j,fullimage(i,j)+1)=true;
   end
end

我们现在可以应用我上面给出的解决方案

newimage=sum(bsxfun(@times,binaryimage,reshape(0:255,1,1,[])),3);

并验证我是否返回了原始图像：

all(newimage(:)==fullimage(:))

它给出了

1

（true）：-）

更新2

您现在提到，您的二进制图像位于一个单元格数组中，我假设

binimg{1:256}

，每个单元格包含一个nxm二进制数组。如果可以的话，更改生成这些数据的代码来创建我上面使用的3D二进制数组可能是有意义的——如果不同的单元格包含不同类型、形状或大小的数据，则单元格最有用

如果有充分的理由坚持使用单元阵列，则可以使用将其转换为三维阵列

binaryimage = reshape(cell2mat(reshape(binimg,1,256)),n,m,256);

如上所述，使用

n

和

m

。如果已经有

大小（binimg）==[1 256]

，则不需要进行内部重塑。总之，您需要使用单元格数组

binimg

来计算3D矩阵二进制图像，然后您可以使用它来计算

newimage

，您有兴趣在我回答的最开始使用代码

希望这有助于……

您的代码的功能。。。 我认为最好先检查一下您发布的代码实际上在做什么，因为存在一些不一致之处。我将遍历循环中的每一行：

• bw=（co==l）
  
  这只需创建一个二进制矩阵
  bw
  ，其中灰度图像
  co
  的像素强度等于循环值
  l
  。我注意到你从1循环到256，这让我觉得很奇怪。通常，将为，这意味着灰度值的范围将为0到255。在这种情况下，当
  l=256
  时计算的最后一个二进制矩阵
  bw
  将始终包含所有零。此外，您不会对灰度级别为0的像素进行任何处理。从随后的处理中，我猜您有意忽略0的灰度值，在这种情况下，您可能只需要从1循环到2