主要内容

gradientweight

基于图像梯度计算图像像素的权重

在页面中全部折叠

语法

W = gradientweight(我)
σW = gradientweight(我)
W = gradientweight(___、名称、值)

描述

W= gradientweight (我）计算图像中每个像素的像素权重我基于该像素处的梯度大小，并返回权重数组W．像素的权重与像素位置的梯度值成反比。梯度幅值小的像素(光滑区域)权重大，梯度幅值大的像素(如边缘)权重小。

W= gradientweight (我，σ）使用σ为高斯函数导数的标准差，用于计算图像梯度。

例子

W= gradientweight (___,名称,值）返回权重数组W使用名称-值对来控制权重计算的各个方面。

例子

全部折叠

打开生活的脚本

这个例子使用基于图像梯度的权值的快速推进方法分割图像。

读取图像并显示它。

我= imread (“coins.png”）;imshow (I)标题(原始图像的）

图中包含一个axes对象。标题为Original Image的axes对象包含一个Image类型的对象。

根据图像梯度计算权重。

σ= 1.5;W = gradientweight(I, sigma，“RolloffFactor”3,“WeightCutoff”, 0.25);

选择种子位置。

R = 70;C = 216;持有在；情节(C R“r”。，“线宽”, 1.5,“MarkerSize”15);标题(“带有种子位置的原始图像”）

图中包含一个axes对象。标题为Original Image with Seed Location的axis对象包含两个类型为Image、line的对象。

使用权重数组分割图像。

打= 0.1;[BW, D] = imsegfmm(W, C, R, thresh);图中,imshow (BW)标题(“分割图像”)举行在；情节(C R“r”。，“线宽”, 1.5,“MarkerSize”15);

图中包含一个axes对象。标题为分段图像的坐标轴对象包含两个类型为Image, line的对象。

测地距离矩阵D可以采用不同的阈值进行阈值划分，得到不同的分割结果。

图中,imshow (D)标题(“测地线距离”)举行在；情节(C R“r”。，“线宽”, 1.5,“MarkerSize”15);

图中包含一个axes对象。标题为“测地距离”的axis对象包含两个类型为image、line的对象。

输入参数

全部折叠

灰度图像，指定为数值矩阵。

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

高斯函数导数的标准差，用正数表示。

数据类型:双

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:W = gradientweight(我,1.5,“RolloffFactor”、3、“WeightCutoff”,0.25);

输出权滚离因子，指定为逗号分隔的对，由“RolloffFactor”和一个正的类标量双．控制权重值下降的速度作为梯度大小的函数。当被视为二维图时，像素强度值可能在区域边缘逐渐变化，形成一个平缓的斜坡。在分割后的图像中，您可能希望边缘的定义更加明确。使用滚离因子，可以在强度值开始变化的点上控制重量值曲线的斜率。如果指定一个较高的值，输出权值在光滑区域的边缘附近急剧下降。如果指定一个较低的值，则输出权值在边缘处会逐渐下降。建议设置范围为(0.5 - 4)．

数据类型:双

权重值的阈值，指定为逗号分隔的对，由“WeightCutoff”在值域内有一个正数(1 e - 3 (1)．如果使用此参数设置权重值的阈值，它将抑制小于指定值的任何权重值，将这些像素设置为一个较小的常量值(1e-3)。当使用输出权重数组时，此参数可以用于提高输出的准确性W作为快速推进法分割函数的输入，imsegfmm．

数据类型:双

输出参数

全部折叠

权重数组，作为与输入图像大小相同的数字数组返回，我．权重数组是一个类双,除非我是单在这种情况下，它是有等级的单．

提示

  • gradientweight的所有类的内部计算使用双精度浮点运算我,除非我的类单，这样的话gradientweight内部使用单精度浮点运算。

版本历史

介绍了R2014b

另请参阅

|

Baidu
map