Matlab 使用占卜术分离形状

使用强度值的分布，我需要在下图中分离两个形状：-

基本上我想用它们的坡度来区分两座“山”。你对如何设计算法有什么建议吗

原始图像如下所示：

---

边界将由高度的局部最小值确定。找到它们并不像第一眼看上去那么容易。我想试试这个：

创建清晰的ROI掩模图像

让我们定义具有以下含义的ROI图像颜色：

0  - empty space
1  - slope from left
2  - slope from right
3  - hill border
10 - mountain 1
11 - mountain 2
12 - mountain 3 ...

并用

0

以

x

方向扫描源图像

并从

x+

方向设置所有下坡坡度：

for (y=0;y<ys;y++)
 for (x=1;x<=xs;x++)
  if ((ROI[y][x]==0)&&(height[y][x-1]>height[y][x]+treshold))
   ROI[y][x]=1;

现在，您需要在ROI中找到

1,2

之间的区域，并将它们设置为

3

，这可能是边界。在此之后，清除带有

0

的所有

1,2

ROI像素。

treshold

只是对山坡的敏感性。此算法最适用于平滑图像，因此如果存在过多的瑕疵，可以在应用此算法之前尝试对源图像进行几次平滑

过滤掉过小的边框

您应该过滤掉设置为

3

的太小的ROI区域，以避免太小的山丘将整个事情弄糟。可以使用

treshold

值或稍后将小区域合并到大区域中来避免

Do#2，#3表示方向（也可能是对角线）

通过morfologic手术扩大ROI边界

使用泛光填充填充ROI中的空白

首先找到设置为零的ROI像素，然后用

100

填充，然后用

101

等填充。在泛光填充期间，您可以计算填充区域的

min、max、avg

高度，以便稍后丢弃过于平坦的区域（因为它们不被视为丘陵/山脉）

---

边界将由高度的局部最小值确定。找到它们并不像第一眼看上去那么容易。我想试试这个：

创建清晰的ROI掩模图像

让我们定义具有以下含义的ROI图像颜色：

0  - empty space
1  - slope from left
2  - slope from right
3  - hill border
10 - mountain 1
11 - mountain 2
12 - mountain 3 ...

并用

0

以

x

方向扫描源图像

并从

x+

方向设置所有下坡坡度：

for (y=0;y<ys;y++)
 for (x=1;x<=xs;x++)
  if ((ROI[y][x]==0)&&(height[y][x-1]>height[y][x]+treshold))
   ROI[y][x]=1;

现在，您需要在ROI中找到

1,2

之间的区域，并将它们设置为

3

，这可能是边界。在此之后，清除带有

0

的所有

1,2

ROI像素。

treshold

只是对山坡的敏感性。此算法最适用于平滑图像，因此如果存在过多的瑕疵，可以在应用此算法之前尝试对源图像进行几次平滑

过滤掉过小的边框

您应该过滤掉设置为

3

的太小的ROI区域，以避免太小的山丘将整个事情弄糟。可以使用

treshold

值或稍后将小区域合并到大区域中来避免

Do#2，#3表示方向（也可能是对角线）

通过morfologic手术扩大ROI边界

使用泛光填充填充ROI中的空白

首先找到设置为零的ROI像素，然后用

100

填充，然后用

101

等填充。在泛光填充期间，您可以计算填充区域的

min、max、avg

高度，以便稍后丢弃过于平坦的区域（因为它们不被视为丘陵/山脉）

---

我会使用图像处理工具箱。从您的图像开始，

img

：

figure; imshow(img);

第一步也是最棘手的一步是界定山脉。我们可以满足于引入一个上限。但根据您的数据和期望，您也可以对该区域进行限制。这里我首先考虑的是高度：

bw = im2bw(img, .85);
figure; imshow(bw)

现在我过滤掉非常小的区域。您也可以使用此阈值

bw_cleaned = bwareaopen(bw, 100, 4);
figure; imshow(bw_cleaned)

接下来的步骤是以图示峰值的区域合并在一起的方式扩展白色区域，然后围绕每个峰值制作凸面外壳，最后找到其位置：

final_bw = bwconvhull(imdilate(bw_cleaned, strel('disk', 50)), 'objects');
figure; imshow(final_bw)
s = regionprops(final_bw, 'Centroid');
centroids = cat(1, s.Centroid);
hold on
plot(centroids(:,1), centroids(:,2), 'b*')

---

使用

regionprops

可以做的不仅仅是找到质心

我会用图像处理工具箱来做。从您的图像开始，

img

：

figure; imshow(img);

第一步也是最棘手的一步是界定山脉。我们可以满足于引入一个上限。但根据您的数据和期望，您也可以对该区域进行限制。这里我首先考虑的是高度：

bw = im2bw(img, .85);
figure; imshow(bw)

现在我过滤掉非常小的区域。您也可以使用此阈值

bw_cleaned = bwareaopen(bw, 100, 4);
figure; imshow(bw_cleaned)

接下来的步骤是以图示峰值的区域合并在一起的方式扩展白色区域，然后围绕每个峰值制作凸面外壳，最后找到其位置：

final_bw = bwconvhull(imdilate(bw_cleaned, strel('disk', 50)), 'objects');
figure; imshow(final_bw)
s = regionprops(final_bw, 'Centroid');
centroids = cat(1, s.Centroid);
hold on
plot(centroids(:,1), centroids(:,2), 'b*')

---

使用

regionprops

可以做的不仅仅是找到质心

把两座山分开，同时又因为一座山本身的裂缝而不把它分开，这似乎比你想象的要困难得多。ref：您可以首先将此内核应用于图像中的每一组相邻像素

内核=[0-1/4 0；-1/4 1-1/4；0-1/4 0]

此值将有助于找到局部最大值。分离两座山，同时由于其自身的裂缝而不分离一座山似乎比您预期的问题更多。ref：您可以首先将这个内核应用于每一组相邻的pi