1、bwboundaries ? ?二值圖像區域邊界追蹤、、

功能：在二值圖像中進行區域邊界的追蹤，采用區域跟蹤的算法，給出二值圖像中所有的外邊界和內邊界

用法：

[B L]=bwboundaries(bw,conn,option); ? B輸出為P *1de 元胞矩陣，P為目標和洞的個數，B的每個元寶元素均是Q*2de 矩陣，矩陣的每一行包含像素點的行列坐標。

L為表示矩陣，用于標示二值圖像中被劃分邊界的區域，包含目標和洞。

bw為二值圖像，conn為搜索的聯通方法 ?默認八聯通，option表示搜索的方包含‘holes（內外邊界） ?和 noholes（外邊界）；

<span style="font-size:18px;"><span style="font-size:18px;">I=imread('rice.jpg'); Bw=im2bw(I,graythresh(I)); [B L]=bwboundaries(Bw,'noholes');%L表示劃分的區域 imshow(label2rgb(L,@jet,[0.5 0.5 0.5]); hold on for k=1:length(B) boundary=b{k}; plot(boundary(:,2),boundary(：，1），’w','LineWidth',2);</span></span>

2、bwtraceboundary(bw,p,fstep,conn)函數

B=bwtraceboundary(bw,p,fstep,conn)

作用在二值圖像中進行目標的追蹤，采用基于曲線追蹤的算法，按指定的起始點和方向進行搜索，最后返回起始點。

bw表示二值圖像，p表示追蹤的起點，fstep表示方向，（N ? S ?E ?W ?)四大方向 ?conn表示按照幾連通區域來追蹤

4或者8連通區域。

I=imread('lena.jpg'); bw=im2bw(I,0.6); figure; imshow(bw); s=size(bw); col=round(s(2)/2)-90; row=find(bw(:,col),1); contour=bwtraceboundary(bw,[row col],'W',4); hold on; plot(contour(:,2),contour(:,1),'r','LineWidth',2);
3、edge函數 ?尋找灰度圖像的邊界

作用尋找灰度圖像的邊界

bw=edge(I); ?

例子：

I=imread('lena.jpg'); imshow(I); bw1=edge(I); figure; imshow(bw1); bw2=edge(I,'sobel'); figure; imshow(bw2); bw3=edge(I,'prewitt'); figure; imshow(bw3); bw4=edge(I,'roberts'); figure; imshow(bw4); bw5=edge(I,'log'); figure; imshow(bw5); bw6=edge(I,'zerocross'); figure; imshow(bw6); bw7=edge(I,'canny'); figure; imshow(bw7);
I=imread('lena.jpg'); imshow(I); bw=edge(I,'roberts');figure; imshow(bw); bw1=edge(I,'roberts',0.05); figure; imshow(bw1); bw2=edge(I,'roberts',0.3); figure; imshow(bw2); bw3=edge(I,'roberts',0.7); figure; imshow(bw3); 4、entropy ?計算灰度圖像的熵

E=entropy(I);

局部熵?

?J=entropyfilt(I) ? ?計算灰度圖像中的局部熵，J中的每一個像素為輸入圖像I中對應元素9*9鄰域的熵值

5、graycomatrix ?灰度共生矩陣

glcm=graycomatrix(I) ?從圖像I中建立灰度共生矩陣

stats=graycoprops(glcm,properties） 獲取灰度共生矩陣glcm中指定的屬性的狀態。

字符串properties表示屬性，取值可以為 ?contrast ?correlation energy ?homogeneity.

I=imread('lena.jpg'); glcm=graycomatrix(I); stats=graycoprops(I,{'contrast','homogeneity'})
6、J=rangefilt(I) ? ?計算圖像的局部范圍

J=rangefilt(I) ? 計算圖像I的局部范圍，返回矩陣J,輸出矩陣J和I具有相同的維數，j中每一個像素的值為輸入圖像I中對應元素3*3鄰域的范圍（最大-最小）

<span style="font-size:18px;">I=imread('lena.jpg'); J=rangefilt(I); imshow(J) </span> ?7、 <span style="font-size:18px;">I=imread('lena.jpg'); J=stdfilt(I); imshow(J) </span>
stdfilt ? ?計算圖像 的局部標準差

J=stdfilt(I) ? 計算圖像的局部標準差，返回矩陣J ?計算圖像每個元素 ?3*3鄰域內的標準差

8、corr2 ? 計算兩個矩陣的互相關系數

r=corr2(A,B） ?計算矩陣A B 的互相關系數

公式

例子：

A=[1 3 4;6 3 7;3 5 7]; B=[2 6 8;3 2 1;3 8 9]; r=corr2(A,B)
9、imcontour ? 創建圖像的等高線

創建圖像的等高線 ? ?跟地圖的等高線類似 ? ?相同像素的用線表示出來

?imcontour（I) ?繪制圖像I的等高線，自動的進行坐標的設置，使輸出圖像的方向與外觀與原始圖像吻合。

imcontour（I，n) ?繪制圖像I的n個等高線，自動的進行坐標的設置，使輸出圖像的方向與外觀與原始圖像吻合。

I=imread('lena.jpg'); imshow(I); figure; imcontour(I,3)? 10、imhist ? 創建圖像的直方圖

顯示圖像的直方圖，表示圖像中每一個灰度級與灰度級出現的頻率對應關系，就是計算某個灰度級像素的個數，

imhist(I) ? 默認灰度級是256

imhist（I,n) ? n表示灰度級
[ counts ?x]=imhist(I,200) ?

表示直方圖像素的個數，以及灰度等級向量

總結

以上是生活随笔為你收集整理的MATLAB图像函数以及应用（第六章）边界问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。