主要内容

adaptthresh

使用局部一阶统计的自适应图像阈值

在页面中全部折叠

语法

T = adaptthresh(我)
T = adaptthresh(灵敏度)
T = adaptthresh (___、名称、值)

描述

例子

T= adaptthresh (我）计算二维灰度图像或三维灰度体积的局部自适应阈值我．的adaptthresh函数根据每个像素邻域的局部平均强度(一阶统计量)选择阈值。阈值T可以和imbinarize函数将灰度图像转换为二值图像。

例子

T= adaptthresh (我，灵敏度）计算具有指定的灵敏度因子的局部自适应阈值灵敏度．灵敏度是[0,1]范围内的一个标量，表示对阈值将更多像素作为前景的敏感性。

例子

T= adaptthresh (___，名称,值）使用名称-值对计算局部自适应阈值，以控制阈值划分的各个方面。

例子

全部折叠

打开生活的脚本

将图像读入工作区。

我= imread (“rice.png”）;

使用adaptthresh确定在二值化操作中使用的阈值。

T = adaptthresh(I, 0.4);

将图像转换为二值图像，指定阈值。

BW = imbinarize (T);

显示原始图像与二进制版本，并排。

图imshowpair (BW,我“蒙太奇”）

图中包含一个axes对象。坐标轴对象包含一个image类型的对象。

打开生活的脚本

将图像读入工作区。

我= imread (“printedtext.png”）;

使用adaptthresh计算自适应阈值，并显示本地阈值图像。这表示对平均背景照明的估计。

T = adaptthresh(我,0.4,“ForegroundPolarity”，“黑暗”）;图imshow (T)

图中包含一个axes对象。坐标轴对象包含一个image类型的对象。

利用局部自适应阈值对图像进行二值化

BW = imbinarize (T);图imshow (BW)

图中包含一个axes对象。坐标轴对象包含一个image类型的对象。

打开生活的脚本

将3d体加载到工作区中。

负载mristack；V = mristack;

显示数据。

图片(双(V)、大小(V, 2) / 2,大小(V, 1) / 2,大小(V, 3) / 2) colormap灰色的阴影插值函数

图中包含一个axes对象。axis对象包含3个类型为surface的对象。

计算阈值。

J = adaptthresh (V,“马嘶声”(3 3 3),“前”，“光明”）;

显示的阈值。

图片(双(J),大小(J, 2) / 2,大小(J - 1) / 2,大小(J, 3) / 2) colormap灰色的阴影插值函数

图中包含一个axes对象。axis对象包含3个类型为surface的对象。

输入参数

全部折叠

灰度图像或体积，指定为2-D数字矩阵或3-D数字数组。

如果图像包含正年代或南S，行为adaptthresh是未定义的。传播的正年代或南S可能并不局限于周围的社区正或南像素。

数据类型:单|双|int8|int16|int32|uint8|uint16|uint32

确定哪些像素被阈值设置为前景像素，指定为范围为[0,1]的数字。高灵敏度值导致阈值更多像素作为前景，风险包括一些背景像素。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后，但对的顺序并不重要。

在R2021a之前，名称和值之间用逗号隔开，并括起来的名字在报价。

例子:T = adaptthresh(我,0.4,“ForegroundPolarity”、“黑暗”);

用于计算每个像素周围局部统计量的邻域大小，指定为正奇数整数或正奇数整数的2元素向量。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

确定哪些像素被认为是前景像素，使用以下之一指定:

价值

意义

“光明”

前景比背景更亮。

“黑暗”

前景比背景暗

数据类型:字符|字符串

用于计算每个像素处的局部阈值的统计值，指定为以下之一:

价值

意义

“的意思是”

当地的平均强度。这种方法也被称为布莱德利方法[1]．

“中值”

当地的中位数。这个统计数据的计算可能很慢。考虑使用较小的社区规模，以获得更快的结果。

“高斯”

邻域内的高斯加权平均值。

数据类型:字符|字符串

输出参数

全部折叠

归一化强度值，返回为与输入图像或体积大小相同的数字矩阵或数字数组，我．值归一化为[0,1]的范围。

数据类型:双

参考文献

[1]布拉德利，D. G.罗斯，“利用积分图像适应阈值化”，图形工具杂志．2007年第12卷第2期，第13 - 21页。

扩展功能

版本历史

介绍了R2016a

全部展开

另请参阅

||

Baidu
map