Сглаживание гистограммы с помощью фильтра нижних частот в MATLAB - PullRequest
Новая
       32

Сглаживание гистограммы с помощью фильтра нижних частот в MATLAB

1 голос
/ 15 июля 2011

У меня есть изображение, и моя цель - преобразовать изображение в двоичную форму. Я отфильтровал изображение с помощью фильтра нижних частот Гаусса и вычислил гистограмму интенсивности изображения.

Теперь я хочу выполнить сглаживание гистограммы, чтобы получить порог бинаризации. Я использовал фильтр низких частот, но он не работал. Это фильтр, который я использовал. 

h = fspecial('gaussian', [8 8],2);

Может ли кто-нибудь помочь мне с этим? Как происходит сглаживание гистограммы? 

imhist(Ig);

Большое спасибо за вашу помощь.

Ответы [ 2 ]

0 голосов
/ 15 июля 2011

Для сглаживания гистограммы необходимо использовать 1-D фильтр. Это легко сделать с помощью функции filter . Вот пример: 

I = imread('pout.tif');
h = imhist(I);
smooth_h = filter(normpdf(-4:4, 0,1),1,h);

Конечно, вы можете использовать любую функцию сглаживания, которую вы выберете. Среднее значение будет просто ones(1,8).

Поскольку ваша цель здесь - просто найти порог для бинаризации изображения, вы можете просто использовать функцию graythresh , которая использует метод Оцу.

0 голосов
/ 15 июля 2011

Недавно я работал над очень похожей проблемой, пытаясь вычислить порог, чтобы исключить зашумленные фоновые пиксели из данных МРТ перед выполнением других вычислений на изображениях. То, что я сделал, это подогнал сплайн к гистограмме, чтобы сгладить его, сохраняя при этом точную форму фигуры. Для подгонки я использовал пакет splinefit из обмена файлами. Я вычислил гистограмму для стека изображений, обработанных вместе, но он должен работать аналогично для отдельного изображения. Мне также довелось использовать логарифмическое преобразование данных моей гистограммы, но это может или не может быть полезным шагом для вашего приложения. 

[my_histogram, xvals] = hist(reshape(image_volume), 1, []), number_of_bins);
my_log_hist = log(my_histogram);
my_log_hist(~isfinite(my_log_hist)) = 0;   % Get rid of NaN values that arise from empty bins (log of zero = NaN)
figure(1), plot(xvals, my_log_hist, 'b');
hold on
breaks = linspace(0, max_pixel_intensity, numberofbreaks);
xx = linspace(0, max_pixel_intensity, max_pixel_intensity+1);
pp = splinefit(xvals, my_log_hist, breaks, 'r');
plot(xx, ppval(pp, xx), 'r');

Обратите внимание, что сплайн дифференцируем, и вы можете использовать ppdiff для получения производной, что полезно для поиска максимумов и минимумов, чтобы помочь выбрать подходящий порог. numberofbreaks установлен на относительно низкое число, поэтому сплайн сгладит гистограмму. Я использовал linspace в примере, чтобы выбрать разрывы, но если вы знаете, что некоторая часть гистограммы демонстрирует гораздо большую кривизну, чем где-либо, вам нужно иметь больше разрывов в этом регионе и меньше в другом месте, чтобы точно отразить форму гистограмма.

...