Matlab 在一个条件下，查找图像中像素的索引

我有一个包含4个值{3，-3,1，-1}的图像，如图所示

让我们调用像素的索引，使其值等于轮廓中的1或-1像素。这些像素将创建一个围绕黄色（-3）的轮廓。现在，我想找到轮廓中的所有索引像素，并加上填充位置（向内和向外轮廓）。作为红色，填充设置为1，因此，这些像素的索引包括轮廓{1，-1}中的像素和作为红色的填充索引。在这个任务中，我想找到所有的像素索引。如何在matlab代码中实现这个想法。这是我在等高线中查找索引的代码

%% Let define the image I
idx=find(I==1|I==-1);
padding=1;
%%Continue

更新：我的预期结果如上图中白色区域所示。因此，指数如13,14,15，…21,24

更新

首先，感谢Andrew和Rayryeng的回答。我想解决我的问题。如上所述，轮廓由{1，-1}创建。现在，我想忽略1和-1，所以图像只有{3，-3}。我定义的轮廓是{3，-3}边缘的像素，如图。保持填充和像素索引的相同想法。如何找到轮廓内和轮廓附近像素的索引（称为轮廓窄带）（预期结果为白色）

---

假设您的图像是N×M像素。在MATLAB中，数组按列顺序存储（有关更多信息，请参阅）。您可以按如下列格式使用

I

。首先，轮廓像素由

idx=find(I(:)==1|I(:)==-1);

现在，如果您希望向下和向上填充，则非常简单：

idx_up=idx - padding;
idx_up = idx_up(idx_up>0);
idx_down=idx + padding;
idx_down = idx_down(idx_down<=N*M);

并组合整体像素：

PaddedContour = false(N,M);
PaddedContour(unique([idx;idx_up;idx_down;idx_left;idx_right])) = true;

---

假设你的图像是N×M的皮克斯。在MATLAB中，数组按列顺序存储（有关更多信息，请参阅）。您可以按如下列格式使用

I

。首先，轮廓像素由

idx=find(I(:)==1|I(:)==-1);

现在，如果您希望向下和向上填充，则非常简单：

idx_up=idx - padding;
idx_up = idx_up(idx_up>0);
idx_down=idx + padding;
idx_down = idx_down(idx_down<=N*M);

并组合整体像素：

PaddedContour = false(N,M);
PaddedContour(unique([idx;idx_up;idx_down;idx_left;idx_right])) = true;

---

不太难，你走对了。如果您有图像处理工具箱，我建议您看看。特别是你想使用我的代码有你需要的所有细节

%rather than using find, we create a binary mask. Its not the indicies of
%the matching elements as find gives. its is 1/true if the value matches the
%criteria, and 0/false otherwise.
mask = (im=1 | im=-1);

%create a 3x3 rectangle structuring element. We use a 3x3 because we want
%to expand the image by one pixel. basically the structring element (Strel)
%is our kernal, if you know image processing this is the same thing. 
%a = [0 0 0 0;
%     0 1 1 1;
%     0 1 1 1;
%     0 1 1 1];
%our kernal is center at 2,2 (for this example) which are these elements
%     0 0 0  of a  think a(1:3,1:3) now what the dialate operation
%     0 1 1  says is, if the majority of these pixels are ones... they
%     0 1 1  should probabaly all be ones so all those 0s will become ones
%the size of the kernal 3x3 ensures we are only growing our image one
%pixel, hope that makes sense    
se = strel('square',3);

%now we dilate, or 'expand' our mask with our structuring element
expanded_mask = imdilate(mask,se);

%if you still want the indicies you can use find on our expanded mask
idx = find(expanded_mask==1);

编辑：无形态学操作/图像处理工具箱 这种方法使用了大量for循环，因此它不是最快的，并且不进行错误检查，但它可以工作。我的放大函数说，如果大多数像素都是1，那么它们都是1

function expanded_mask=DilateBinaryImage(bin_im, kernal_size)
    [max_row,max_col] = size(bin_im);

    %since we are opening the mask (only adding 1s), we can start off with the
    %same values of the mask, and simply add extra 1's as needed
    expanded_mask = bin_im;

    %we don't want to go off the edge of our image with this kernal
    %so we offset it a bit
    kern_padding = floor(kernal_size/2);

    %this ignores the edges
    for (curr_row=kern_padding+1:1:max_row - kern_padding)
       for (curr_col=kern_padding+1:1:max_col - kern_padding)
          %we do 2 sums, one for rows, one for columns
          num_ones = sum(sum(bin_im(curr_row-kern_padding:curr_row+kern_padding,curr_col-kern_padding:curr_col+kern_padding)));

          %if the majority of vlaues are 1, we use floor to help with corner
          %cases
          if (num_ones >= floor((kernal_size*kernal_size)/2))
              %make all the values one
              expanded_mask(curr_row-kern_padding:curr_row+kern_padding,curr_col-kern_padding:curr_col+kern_padding) = 1;
          end
       end
    end


end

然后就这样叫它

kernal_size= 3;
mask = (I==1 | I==-1);
expanded_mask = DilateBinaryImage(mask, kernal_size);
idx = find(expanded_mask==1);

---

我的扩张函数在二值图像的边缘不起作用。它只是精确地复制它们。

不太难，你走对了方向。如果您有图像处理工具箱，我建议您看看。特别是你想使用我的代码有你需要的所有细节

%rather than using find, we create a binary mask. Its not the indicies of
%the matching elements as find gives. its is 1/true if the value matches the
%criteria, and 0/false otherwise.
mask = (im=1 | im=-1);

%create a 3x3 rectangle structuring element. We use a 3x3 because we want
%to expand the image by one pixel. basically the structring element (Strel)
%is our kernal, if you know image processing this is the same thing. 
%a = [0 0 0 0;
%     0 1 1 1;
%     0 1 1 1;
%     0 1 1 1];
%our kernal is center at 2,2 (for this example) which are these elements
%     0 0 0  of a  think a(1:3,1:3) now what the dialate operation
%     0 1 1  says is, if the majority of these pixels are ones... they
%     0 1 1  should probabaly all be ones so all those 0s will become ones
%the size of the kernal 3x3 ensures we are only growing our image one
%pixel, hope that makes sense    
se = strel('square',3);

%now we dilate, or 'expand' our mask with our structuring element
expanded_mask = imdilate(mask,se);

%if you still want the indicies you can use find on our expanded mask
idx = find(expanded_mask==1);

编辑：无形态学操作/图像处理工具箱 这种方法使用了大量for循环，因此它不是最快的，并且不进行错误检查，但它可以工作。我的放大函数说，如果大多数像素都是1，那么它们都是1

function expanded_mask=DilateBinaryImage(bin_im, kernal_size)
    [max_row,max_col] = size(bin_im);

    %since we are opening the mask (only adding 1s), we can start off with the
    %same values of the mask, and simply add extra 1's as needed
    expanded_mask = bin_im;

    %we don't want to go off the edge of our image with this kernal
    %so we offset it a bit
    kern_padding = floor(kernal_size/2);

    %this ignores the edges
    for (curr_row=kern_padding+1:1:max_row - kern_padding)
       for (curr_col=kern_padding+1:1:max_col - kern_padding)
          %we do 2 sums, one for rows, one for columns
          num_ones = sum(sum(bin_im(curr_row-kern_padding:curr_row+kern_padding,curr_col-kern_padding:curr_col+kern_padding)));

          %if the majority of vlaues are 1, we use floor to help with corner
          %cases
          if (num_ones >= floor((kernal_size*kernal_size)/2))
              %make all the values one
              expanded_mask(curr_row-kern_padding:curr_row+kern_padding,curr_col-kern_padding:curr_col+kern_padding) = 1;
          end
       end
    end


end

然后就这样叫它

kernal_size= 3;
mask = (I==1 | I==-1);
expanded_mask = DilateBinaryImage(mask, kernal_size);
idx = find(expanded_mask==1);

---

---

我的扩张函数在二值图像的边缘不起作用。它只是精确地复制它们。

我很难理解您的问题描述。您能否突出显示上图中哪些像素位置将被发送到输出？你能给我们更多的例子吗？我可能已经看过你的问题描述至少5次了，但我仍然不明白你在找什么。@rayryeng:对不起，我的英语这么差。让我看看我的更新第11排应该是绿色的吗？还是白色？对不起。我错了。我会更新它。顺便说一句，我找到了一个使用精明的边缘检测的解决方案，但它需要很长时间。我很难理解你的问题描述。您能否突出显示上图中哪些像素位置将被发送到输出？你能给我们更多的例子吗？我可能已经看过你的问题描述至少5次了，但我仍然不明白你在找什么。@rayryeng:对不起，我的英语这么差。让我看看我的更新第11排应该是绿色的吗？还是白色？对不起。我错了。我会更新它。顺便说一句，我找到了一个解决方案，使用了精明的边缘检测，但它需要很长时间。非常有效。这是我以前读过的一种算法。读了你的实现之后，我想起了它。如果不用形态学运算，用其他方法找到它怎么样。你能用数学方法向我推荐吗？@user8430-形态膨胀相当于一个最大过滤器。查看局部像素邻域，输出是邻域内的最大值。如果您还记得我们前面谈到的

im2col

，您可以将像素邻域分解为列，取每列的最大值，然后使用

col2im

将输出重建回图像。这是一个好主意。这个想法基于一个窗口，它的中心是轮廓上的像素。对于轮廓中的每个像素，我们找到最大索引（3）和最小索引（-3）（我想）。这些指标将构成一个狭窄的区域。是吗？如果没有图像处理工具箱，ThPs方法非常有效。我添加了一个新的解决方案，该解决方案不使用工具箱，但仍然模拟了扩张功能。它不是健壮的，也可能不适用于所有情况，但它只是一个快速的解决方案谢谢。你能看看我的最新问题吗？非常完美。这是我以前读过的一种算法。读了你的实现之后，我想起了它。如果不用形态学运算，用其他方法找到它怎么样。你能用数学方法向我推荐吗？@user8430-形态膨胀相当于一个最大过滤器。查看局部像素邻域，输出是邻域内的最大值。如果您还记得我们前面谈到的

im2col

，您可以将像素邻域分解为列，取每列的最大值，然后使用

col2im

将输出重建回图像。这是一个很好的id