图像处理之Matlab特征提取和表达

悠悠 2022-06-10 01:42 324阅读 0赞

今天，刚学了一些规则图形的特征提取，发现了几个好用的函数。请见下文：  
我想对下面的图片进行图像内容提取  
![这里写图片描述][06acb0cc54f066bd4ece7455d7eb9b95.png]  
**一.载入图像，图像分割**  
因为是一张彩色图像，所以先进行图像分割，最简单的就是阈值化了，可以直接使用im2bw（）,图像分割的其他方法先不展开，下回分析，在这里使用im2bw（）函数已经够用

img = imread('图形.jpg');
    figure,imshow(img);
    img = im2bw(img);%（图像分割）转化为二值图
    img = not(img);%把图像想表达的内容变成1
    figure,imshow(img);

效果如下：  
![这里写图片描述][4224078c40d6ac662c1a7136d978c729.png]  
![这里写图片描述][82686c9378499df7bfb7bd669da23073.png]  
最上面那个转化成二值图，变成一个不规则的图形了，应在继续对这个区域做处理，但这不影响我们这篇文章的主题，所以先忽视。

**二.使用bwboundaries函数显示图像中目标的边界**  
bwboundaries函数可以追踪目标的外边界，以及这些目标中孔的边界。它返回：  
1.一个元胞数组（B）（补充：元胞数组不同于普通数组，普通数组存放的元素都是一样的数据结构，但元胞数组存储的可以是不同的数据类型，所以元素间不相关）  
2.返回一个标号矩阵L，其中每个目标赋予一个标号（下面有示例）  
3.返回总目标数N等

[B,L] = bwboundaries(img);
    figure,imshow(img);
    hold on;
    for k = 1:length(B)
        boundary = B{k};
        plot(boundary(:,2),boundary(:,1),'g','LineWidth',2);
    end

效果如下：  
![这里写图片描述][fe0f1d56bbc083ba0140d076ec8343af.png]

**三.标记区域**  
使用bwlabel标记测试图像中的连续区域（目标），伪彩色化他们，并结合他们的数字标记依次显示他们

[L,N] = bwlabel(img);
    img_rgb = label2rgb(L,'hsv',[.5 .5 .5],'shuffle');
    figure,imshow(img_rgb);hold on
    for k =1:length(B)
        boundary = B{k};
        plot(boundary(:,2),boundary(:,1),'w','LineWidth',2);
        text(boundary(1,2)-11,boundary(1,1)+11,num2str(k),'Color','y','Fontsize',14,'FontWeight','bold');
    end

效果图如下：  
![这里写图片描述][95a02f4ced38daedb3b2b4f4abb2d5af.png]

到这里，特征提取基本完成，接下来  
**四.特征表达**  
使用regionprops函数对图像中的每个目标提取下面的二值特征  
这个函数实在是好用，直接使用它可以统计很多信息，在workspace可以查看。

stats = regionprops(L,'all');%统计的数保留在stats内
    temp = zeros(1,N);
    for k = 1:N
        %计算thinness ratio（细度比例）
        temp(k) = 4 * pi * stats(k,1).Area / (stats(k,1).Perimeter)^2;
        stats(k,1).ThinnessRatio = temp(k);
        %计算aspect ratio
        temp(k) = (stats(k,1).BoundingBox(3))/(stats(k,1).BoundingBox(4));
        stats(k,1).AspectRatio = temp(k);
    end

查看效果：  
![这里写图片描述][5ce7916183b9bcd47fd46126524ca72c.png]  
从这里可以查看很多数据，比如Area（面积）,Centroid（重心）,Eccentricity（偏心率）,Perimeter（周长）等等，也可以像我一样，定义thinness ratio（细度比例）等等。

其实做到这里，差不多了，接下来就是分析数据，查看各个图行差距比较大的特征，然后定义阈值来制作分类器。  
也可以更清晰地表达画出特征矢量图。以面积和细度比例为例

areas = zeros(1,N);
    for k = 1:N
        areas(k) = stats(k).Area;
    end
    TR = zeros(1,N);
    
    for k = 1: N
        TR(k) = stats(k).ThinnessRatio;
    end
    cmap = colormap(lines(21));
    figure
    for k = 1:N
        scatter(areas(k),TR(k),[],cmap(k,:),'filled');
        ylabel('Thinness Ratio'),xlabel('Area');
        hold on
    end

效果如下：  
![这里写图片描述][71db3005d5f6c41133cc58f9602f53fc.png]

OK，这次学习就到这里，希望大家多多交流，一起学习，分享知识是一种美德，谢谢观看。  
附：  
参考书籍：《实用MATLAB图像和视频处理》

欢迎关注我的公众号【CV之道】，一起学习交流~~

[06acb0cc54f066bd4ece7455d7eb9b95.png]: /images/20220610/60918c351f9e407ab08c9fadb23f4741.png
[4224078c40d6ac662c1a7136d978c729.png]: /images/20220610/6ce4aee8f6fd4ebcb0ef9777c14139dc.png
[82686c9378499df7bfb7bd669da23073.png]: /images/20220610/407530038f3347bab9e522f33cee5c5d.png
[fe0f1d56bbc083ba0140d076ec8343af.png]: /images/20220610/2353c7e4cd15401791ce7dcae33ac34b.png
[95a02f4ced38daedb3b2b4f4abb2d5af.png]: /images/20220610/1f66e683ceaf43d696c043a21d775801.png
[5ce7916183b9bcd47fd46126524ca72c.png]: /images/20220610/6240668da676498e9631f8d16b7bb420.png
[71db3005d5f6c41133cc58f9602f53fc.png]: /images/20220610/697dd1e1babf498da192c2af3297d695.png