Matlab 灰度图像中的分水岭-局部极小值

我有一组灰度图像，需要定位局部极小值。我正在用Matlab编写代码，我正在寻找关于如何构造算法的建议：我需要计算梯度还是可以只使用

分水岭

函数

这是我用来进行第一次分析的代码（下图）：

直观地说，我希望在箭头指向的像素中找到区域极小值：

---

您的问题是图像非常嘈杂。您应该对其进行模糊处理，以便消除局部噪声。
例如，您可以使用高斯或框模糊或形态学平滑，例如，使用闭合操作

---

我不确定分水岭是不是正确的工具。形态学腐蚀在每个像素的定义邻域中指定局部极小值。从腐蚀图像中减去原始图像，阈值为-1。剩余的非零像素是局部极小值。

您的问题是图像非常嘈杂。您应该对其进行模糊处理，以便消除局部噪声。
例如，您可以使用高斯或框模糊或形态学平滑，例如，使用闭合操作

---

我不确定分水岭是不是正确的工具。形态学腐蚀在每个像素的定义邻域中指定局部极小值。从腐蚀图像中减去原始图像，阈值为-1。剩余的非零像素是局部极小值。

我想解决方案是使用梯度图像，遵循本文描述的算法。这个过程相当复杂，所以我

使用

imerode

和

imdeplate

清洁图像

制作图像的二值化版本（

IM_bin

），并将其用作过滤器，以便 如果IM_bin（x，y）>0
IM_clean（x，y）=IM（x，y）； 其他的 IM_clean（x，y）=0

再次使用

imerode

使用

imregionalmax

查找区域最大值

---

我猜解决方案是使用梯度图像，遵循本文描述的算法。这个过程相当复杂，所以我

使用

imerode

和

imdeplate

清洁图像

制作图像的二值化版本（

IM_bin

），并将其用作过滤器，以便 如果IM_bin（x，y）>0
IM_clean（x，y）=IM（x，y）； 其他的 IM_clean（x，y）=0

再次使用

imerode

使用

imregionalmax

查找区域最大值

---

正如Adi Shavit提到的，图像非常嘈杂。当直接在图像上使用分水岭时，这会导致过度分割（因为图像中存在许多极值）

您确实需要执行某种预处理来平滑图像。如果不想使用模糊，可以在找到极值之前尝试形态学重建（

imrecostruct

）

% if img is your original grayscale image

wSize = 6;
se = strel('disk', wSize);

% opening by reconstruction - to remove specks in the dark background
imgEroded = imerode(img, se);
imgRecon = imreconstruct(imgEroded, img);

imgReconComp = imcomplement(imgRecon);

% opening by reconstruction - to homogenize the pixels in the foreground(clouds)
imgEroded2 = imerode(imgReconComp, se);
imgRecon2 = imreconstruct(imgEroded2, imgReconComp);

minima = imregionalmin(imgRecon2);

覆盖在原始图像上的最小值如下所示-

您可以对结构元素的大小/形状进行实验，以查看是否获得更好的结果

---

您也可以使用极值作为种子在渐变图像上执行分水岭分割，但这可能不会产生有意义的结果（看起来您无论如何都不会尝试执行分割）。

如Adi Shavit所述，图像非常嘈杂。当直接在图像上使用分水岭时，这会导致过度分割（因为图像中存在许多极值）

您确实需要执行某种预处理来平滑图像。如果不想使用模糊，可以在找到极值之前尝试形态学重建（

imrecostruct

）

% if img is your original grayscale image

wSize = 6;
se = strel('disk', wSize);

% opening by reconstruction - to remove specks in the dark background
imgEroded = imerode(img, se);
imgRecon = imreconstruct(imgEroded, img);

imgReconComp = imcomplement(imgRecon);

% opening by reconstruction - to homogenize the pixels in the foreground(clouds)
imgEroded2 = imerode(imgReconComp, se);
imgRecon2 = imreconstruct(imgEroded2, imgReconComp);

minima = imregionalmin(imgRecon2);

覆盖在原始图像上的最小值如下所示-

您可以对结构元素的大小/形状进行实验，以查看是否获得更好的结果

---

您也可以使用极值作为种子在渐变图像上执行分水岭分割，但这可能不会产生有意义的结果（看起来您无论如何都不会尝试执行分割）。

问题是什么？这是您想要的吗？如果没有，你想要什么？问题是：如何避免过采样并有效地找到区域最小值？以非常直观的方式，我的最终目标是检测图中箭头所指的点问题是什么？这是你想要的吗？如果没有，你想要什么？问题是：如何避免过采样并有效地找到区域最小值？以非常直观的方式，我的最终目标是检测图中箭头所指的点。我更希望不要模糊图像，以保留所有信息。在使用<代码>分水岭？@ alBuScC时，有没有一种方法只能考虑至少由代码< n>代码>像素组成？如果你保存了所有的信息，那么局部极小值的数量就太大了。如果你只想指出那些极小值，你就必须去掉其他的，这就不可避免地意味着去掉信息。幸运的是，这些信息可以被限定为“噪声”。嗨，我不想模糊图像，这样可以保留所有信息。在使用<代码>分水岭？@ alBuScC时，有没有一种方法只能考虑至少由代码< n>代码>像素组成？如果你保存了所有的信息，那么局部极小值的数量就太大了。如果你只想指出那些极小值，你就必须去掉其他的，这就不可避免地意味着去掉信息。幸运的是，这些信息可以被定义为“噪音”。