图像标记和在matlab中找到质心

我的问题是，我有一个png格式的雷达图像。（对不起，但我不得不删除图像，因为我的同事说它侵犯了德国气象局的版权）图像标记和在matlab中找到质心

我想读取MATLAB中的图像。然后阅读所有的云，并用独特的索引标记每个云。这意味着属于某个云的每个像素都标有相同的索引i。计算每个云的area(coa)的中心，然后我应该能够测量从一个coa到另一个coa的云之间的距离。

我知道的一些类似的工作是在IDL中完成的。我尝试过使用它，但是如果我能够在MATLAB中完成所有这些工作，并将更多精力放在结果上，而不是花时间学习IDL，那对我来说会更容易。

所以，在跳入之前，我想知道这些在MATLAB中是否可行。如果是的话，你能指导我一点关于如何提取云并标记它们吗？

来源

2013-01-22 Vikram

哪里是像云？ –

@AbidRahmanK - 你在图片中看到的只有云。 – Vikram

哦，对不起。我脑中有一幅完全不同的云彩图片:)。无论如何尝试这个链接：http：//blogs.mathworks.com/steve/2006/06/02/cell-segmentation/ –

首先做一些基本的图像分析，如阈值或中值滤波等，以减少相关噪声。然后，您可以使用bwlabel来为每个云标记唯一的索引。使用reigonprops找到质心。

这里是一个非常基本的代码示例：

d=imread('u09q8.png'); 
bw = im2bw(d,0.1); % thereshold at 50% 
bw = bwareaopen(bw, 10); % Remove objects smaller than 10 pixels from binary image 
bw=bwlabel(bw); % label each cloud 
stats=regionprops(bw,'Centroid'); % find centroid coordinates of all labeled clouds

来源

2013-01-22 09:58:53 bla

是的，我想通过股权进行清理。我认为regionprops可以进一步提供很多帮助，考虑到它可以做的事情。非常感谢。 – Vikram

哇谢谢..你还可以告诉我如何可以看到最终的图像与阈值，如果可能的标签在每个云标签。 – Vikram

你可以使用'imagesc（bw）'。这会根据颜色映射将每个标签颜色编码为不同的颜色（默认为'jet'）。 – bla

是的，这是可能的。关于云检测，它是一步一步的过程。它将基于您要使用的算法。你可以开始here.

来源

2013-01-22 09:56:43

是的，当然。这可以使用k-means clustering完成。你可以阅读关于imread和kmeans。 kmeans的官方文档中给出的示例正好显示了您需要的内容。

例如，如果你想集群图像分为5所云：

%// Read the image 
I = imread('clouds.png'); 
[y, x] = find(I);    %// Obtain all coordinates 
y = size(I, 1) - y + 1;  %// Adjust y-coordinates 
K = 5; 
[idx, c] = kmeans([x, y], K); %// Classify clouds into K clusters

现在idx存储相应的群集索引和c存储质心的坐标。

要绘制的结果，你可以做这样的事情：

%// Plot results 
figure, hold on 
scatter(x, y, 5, idx)   %// Plot the clusters 
plot(c(:, 1), c(:, 2), 'r+') %// Plot centroids 
text(c(:, 1) + 10, c(:, 2), num2str((1:K)'), 'color', 'r') %// Plot cluster IDs

注意，这种方法需要预先确定提前集群K的数量。或者，您可以使用this tool尝试自动检测群集数量。

来源

2013-01-22 09:58:39

谢谢。我现在在上面。 – Vikram

@Vikram我为了您的方便添加了一个示例。 –

谢谢Eitan。但是通过这种方式，它只是将云计算领域划分为群（云群），而我想要的是将每个单独的云（不与任何其他云联系）分开。 – Vikram

图像标记和在matlab中找到质心

回答

相关问题