擴大物體/特徵像素區域

通常使用哪種方法評估初始分割後的剩餘「邊界」像素（基於閾值）？擴大物體/特徵像素區域

我想過基於閾值的標準偏差進行分類，但我不知道這是否是圖像分析中的常見做法。這將是一個區域增長方法，但基於這個問題的答案（http://www.mathworks.com/matlabcentral/answers/53351-how-can-i-segment-a-color-image-with-region-growing），使用區域增長算法是不明智的。有人建議imdilate。這種方法在增強用於美學目的的圖像或提高可見度時似乎是任意的，有用的。對於我的問題，像素的分配必須正確，因爲我必須對這些提取的對象/特徵執行測量，並且幾個像素會產生巨大差異。

我一直在尋找：

從第一分段收集我的邊界BW圖像的像素（我發現：http://nl.mathworks.com/help/images/ref/bwboundaries.html）
決策規則（近鄰？）進行分類的邊界像素。如果有多種方法可以做到這一點會有所幫助，因爲它可以對分類進行相對準確的檢查。

我真的從更有經驗的人在這方面的體會到輸入/建議我指向正確的方向（功能，教程等）

謝謝！

來源

2016-01-24 YV3003

我不確定我是否理解你的意思：你是否做了分割，現在想通過在邊界處添加或去除一些像素來細化分割的區域？ – Jonas

@Jonas：是的，我根據rgb和實驗室顏色空間通道（未組合，兩種獨立方法）進行了分割。我想重新評估邊界上的像素（或者如果計算上不減慢分配0的所有像素）（分配1的像素）來添加像素（不移除）。我希望此評估基於從初始分割中提取的像素的顏色通道值（與這些值的偏差）。 – YV3003

什麼會爲你工作很大程度上取決於你的圖像。這不是一種萬能的算法。

首先，您需要回答以下問題：給定接近分段特徵的像素，會使您相信此像素屬於該特徵？另外：什麼是「接近」？

第二個問題的答案決定了您的搜索區域。這裏，imdilate對於識別候選像素非常有用（即，您擴大了您的特徵，減去了特徵，並且在每個特徵周圍留下了一圈候選像素）。如果您對所有像素進行測試，則風險不是那麼大，以至於可能需要花費很長時間，但對於某些圖像，您的區域增長機制會擴展到整個圖像。

第一個問題的答案決定了您將使用哪種算法。你是否在尋找一個漸變，即「如果像素p的強度與鄰近特徵的距離大於其鄰居的距離，那麼我接受」？你看紋理嗎？你在尋找一個局部閾值（滯後閾值）嗎？答案再一次取決於你正在分割的圖像。確保您在大量圖像上進行測試，因爲在一幅圖像上看起來不錯的圖像可能完全失敗。

來源

2016-01-25 10:02:06 Jonas

謝謝你解釋我如何接近它。我會解決這個問題。我想在綠色（植被）背景下提取和測量水果（我以紅色開始，後面會做綠色，因爲這會更困難）。我認爲對於紅色水果來說，最好的方法是尋找一個漸變。對於綠色水果的紋理方法。我不熟悉滯後閾值。 – YV3003

遲滯閾值是指您具有較高的閾值（即「這些像素確實是對象的一部分」）和低閾值（即「這些像素可能是對象的一部分」）。然後，將所有像素都通過高閾值，並且所有像素都通過低閾值區域，該區域與高閾值的一部分相鄰。 – Jonas

擴大物體/特徵像素區域

回答

相關問題