可以看到两种方法得到的提取结果都很不错。
下面介绍几个函数
函数一:im2bw
? 1 2 3 4 5 6 7 8 9 10 11 im2bw:基于阈值,将图像转变成二进制图像。 BW = im2bw(I, level):将灰度图像I转变成二级制图像BW level:阈值等级,取值范围【0,1】 BW: 逻辑型 如果I中像素亮度比I*level大,则该值变为1,否则为0 通俗讲,就是阈值设置的大的话。原图只会保留下很亮的部分!函数二:strel
? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Matlab中函数strel在操作结构元素应用,用于膨胀腐蚀及开闭运算等操作的结构元素对象 具体用法:SE = strel(shape,parameters) 创建由指定形状shape对应的结构元素。其中shape的种类有 arbitrary' 'pair' 'diamond' 'periodicline' 'disk' 'rectangle' 'line' 'square' 'octagon 参数parameters一般控制SE的大小。 例子: se1 = strel( 'square' ,6) % 创建6*6的正方形 se2 = strel( 'line' ,10,45) % 创建直线长度10,角度45 se3 = strel( 'disk' ,15) % 创建圆盘半径15 se4 = strel( 'ball' ,15,5) % 创建椭圆体,半径15,高度5函数三:imerode
? 1 2 Matlab用imerode函数实现图像腐蚀。用法为: Imerode(X,SE).其中X是待处理的图像,SE是结构元素对象函数四:bwperim函数
? 1 2 3 BW1 = imread( 'circbw.tif' ); BW2 = bwperim(BW1,8); Bw1是提取的图像对象,8指的是八邻域,默认邻域类型为4邻域分类: 数字图像处理_matlab/opencv <div id="blog_post_info"> 好文要顶 关注我 收藏该文 你的雷哥 关注 - 7 粉丝 - 8 +加关注 0 0 <div class="clear"></div> <div id="post_next_prev"> <a href="https://www.cnblogs.com/henuliulei/p/10957001.html" class="p_n_p_prefix">« </a> 上一篇: <a href="https://www.cnblogs.com/henuliulei/p/10957001.html" title="发布于 2019-06-13 18:23">采用DCT进行图像压缩</a> <br> <a href="https://www.cnblogs.com/henuliulei/p/11023631.html" class="p_n_p_prefix">» </a> 下一篇: <a href="https://www.cnblogs.com/henuliulei/p/11023631.html" title="发布于 2019-06-14 15:43">彩色图像分割</a> posted @ 2019-06-13 18:34 你的雷哥 阅读( 250) 评论( 0) 编辑 收藏 </div><!--end: topics 文章、评论容器--> 刷新评论 刷新页面 返回顶部 注册用户登录后才能发表评论,请 登录 或 注册, 访问 网站首页。 【推荐】超50万行VC++源码: 大型组态工控、电力仿真CAD与GIS源码库 【活动】京东云服务器_云主机低于1折,低价高性能产品备战双11 【推荐】天翼云双十一提前开抢,1核1G云主机3个月仅需59元 【优惠】腾讯云 11.1 1智惠上云,爆款提前购与双11活动同价 【福利】个推四大热门移动开发SDK全部免费用一年,限时抢! 相关博文: · matlab形态学图像处理之strel函数 · 【matlab】Strel函数--结构元素 · [学习笔记]形态学图像处理-膨胀与腐蚀 · matlab中可用于进行轮廓提取的函数 · python数字图像处理(13):基本形态学滤波 » 更多推荐... <div id="google_ads_iframe_/1090369/C2_0__container__" style="border: 0pt none;"><iframe id="google_ads_iframe_/1090369/C2_0" title="3rd party ad content" name="google_ads_iframe_/1090369/C2_0" width="468" height="60" scrolling="no" marginwidth="0" marginheight="0" frameborder="0" srcdoc="" style="border: 0px; vertical-align: bottom;" data-google-container-id="2" data-load-complete="true"></iframe></div></div> </div> <div id="under_post_kb"> 最新 IT 新闻: · 三星:7nm EUV工艺Q4季度量产 5nm已获得订单 · 你无法看见,但它总在那 · 冲绳首里城大部分建筑被烧毁 · Cray宣布全新存储系统:一秒读写1.6TB、AMD二代霄龙加持 · 对冲基金大佬:WeWork有很大可能性价值“归零” » 更多新闻... <div id="sideBar"> <div id="sideBarMain">
https://github.com/henuliulei
<div id="profile_block"> 昵称: <a href="https://home.cnblogs.com/u/henuliulei/"> 你的雷哥 </a> <br> 园龄: <a href="https://home.cnblogs.com/u/henuliulei/" title="入园时间:2018-03-28"> 1年7个月 </a> <br> 粉丝: <a href="https://home.cnblogs.com/u/henuliulei/followers/"> 8 </a> <br> 关注: <a href="https://home.cnblogs.com/u/henuliulei/followees/"> 7 </a> <div id="p_b_follow">+加关注
<div id="blog-calendar" style=""> < 2019年10月 > 日一二三四五六2930 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 1 2 3 4 5 6 7 8 9 <div id="leftcontentcontainer"> <div id="blog-sidecolumn">我的随笔
我的评论
我的参与
最新评论
我的标签
1.标准方程法_岭回归_LASSO算法_弹性网
</li> <li>2.python的meshgrid用法和3D库 mpl_toolkits.mplot3d 与PolynomialFeatures多项式库学习
</li> <li>3.线性回归和梯度下降代码demo
</li> <li>4.覃秉丰机器学习_概述
</li> <li>5.运算符重载_继承_多态_模版
</li> <li>6.成员函数返回的是对象和引用的区别(转)
</li> <li>7.String类型_static成员_动态内存分配_拷贝构造函数_const关键字_友元函数与友元类
</li> <li>8.面向对象_访问修饰符_构造与析构函数_this指针
</li> <li>9.内联函数_引用_默认参数_模版_函数重载
</li> <li>10.函数巩固
</li>随笔分类
</h3> <ul> <li> AlgorithmAndDataStructure(73) </li> <li> android(1) </li> <li> C#(1) </li> <li> C++基础巩固(9) </li> <li> database(3) </li> <li> Github(1) </li> <li> java(15) </li> <li> life(4) </li> <li> machine learning (24) </li> <li> OpenCV(3) </li> <li> OperatingSystem(8) </li> <li> Python(18) </li> <li> 编译原理(5) </li> <li> 人脸识别(12) </li> <li> 深度学习(17) </li> <li> 数值计算_matlab(11) </li> <li> 数字图像处理_matlab/opencv(27) </li> </ul> </div> <div id="sidebar_postarchive" class="catListPostArchive sidebar-block"> <h3 class="catListTitle">随笔档案
</h3> <ul> <li> 2019年10月(13) </li> <li> 2019年9月(2) </li> <li> 2019年8月(29) </li> <li> 2019年7月(16) </li> <li> 2019年6月(5) </li> <li> 2019年5月(14) </li> <li> 2019年4月(14) </li> <li> 2019年3月(35) </li> <li> 2019年2月(9) </li> <li> 2019年1月(4) </li> <li> 2018年12月(11) </li> <li> 2018年11月(20) </li> <li> 2018年10月(15) </li> <li> 2018年9月(8) </li> <li> 2018年8月(15) </li> <li> 2018年7月(16) </li> </ul> </div> <div id="sidebar_articlecategory" class="catListArticleCategory sidebar-block"> <h3 class="catListTitle">文章分类
</h3> <ul> <li> 5G(1) </li> </ul> </div> <div id="sidebar_imagecategory" class="catListImageCategory sidebar-block"> <h3 class="catListTitle">相册
</h3> <ul> <li> xscc (3) </li> </ul> </div> <div id="sidebar_links1310146" class="catList sidebar-block"> <h3 class="catListTitle">js链接
</h3> <ul> <li> a.js </li> </ul> </div>Copyright © 2019 你的雷哥 Powered by .NET Core 3.0.0 on Linux
</div><!--end: footer -->