В этом примере показано, как работать с тепловыми изображениями, демонстрируя простую сегментацию. Тепловые изображения получены из термографических камер, которые обнаруживают излучение в инфракрасной области значений электромагнитного спектра. Термографические изображения получают инфракрасное излучение, испускаемое всеми объектами выше абсолютного нуля.
Считайте тепловое изображение в рабочую область и используйте whos понять больше о данных изображения.
I = imread('hotcoffee.tif'); whos I
Name Size Bytes Class Attributes I 240x320 307200 single
Вычислите динамический диапазон, занятый по условию, чтобы видеть область значений температур, занятых изображением. Пиксельные значения в этом изображении соответствуют фактическим температурам в Шкале Цельсия.
range = [min(I(:)) max(I(:))]
range = 1x2 single row vector
22.4729 77.3727
Отобразите тепловое изображение. Поскольку тепловое изображение является изображением с одинарной точностью с динамическим диапазоном вне от 0 до 1, необходимо использовать imshow автомасштабирование возможности отобразить изображение.
figure
imshow(I,[])
colormap(gca,hot)
title('Original image')
Примените сглаживание сохранения ребра к изображению, чтобы удалить шум при тихом сохранении деталей изображений. Это - шаг предварительной обработки перед сегментацией. Используйте imguidedfilter функция, чтобы выполнить сглаживание под саморуководством. 'DegreeOfSmoothing' параметр управляет объемом сглаживания и зависит от области значений изображения. Настройте 'DegreeOfSmoothing' размещать область значений термографического изображения. Отобразите отфильтрованное изображение.
smoothValue = 0.01*diff(range).^2; J = imguidedfilter(I,'DegreeOfSmoothing',smoothValue); figure imshow(J,[]) colormap(gca,hot) title('Guided filtered image')
Определите пороговые значения, чтобы использовать в сегментации. Изображение имеет 3 отличных области - человека, активный объект и фон - которые кажутся хорошо разделенными в интенсивности (температура). Используйте multithresh вычислить 2-уровневый порог для изображения. Это делит изображение в 3 области с помощью метода Оцу.
thresh = multithresh(J,2)
thresh = 1x2 single row vector
27.0018 47.8220
Порог изображение с помощью значений, возвращенных multithresh. Пороговые значения в 27 и 48 Цельсия. Первый порог разделяет фоновую интенсивность от человека, и второй порог разделяет человека от активного объекта. Сегментируйте отверстия заливки и изображение.
L = imquantize(J,thresh);
L = imfill(L);
figure
imshow(label2rgb(L))
title('Label matrix from 3-level Otsu')
Чертите ограничительную рамку вокруг областей переднего плана в изображении и поместите значение средней температуры области в поле. Пример принимает, что самая большая область является фоном. Используйте regionprops функция, чтобы получить информацию об областях в сегментированном изображении.
props = regionprops(L,I,{'Area','BoundingBox','MeanIntensity','Centroid'});
% Find the index of the background region.
[~,idx] = max([props.Area]);
figure
imshow(I,[])
colormap(gca,hot)
title('Segmented regions with mean temperature')
for n = 1:numel(props)
% If the region is not background
if n ~= idx
% Draw bounding box around region
rectangle('Position',props(n).BoundingBox,'EdgeColor','c')
% Draw text displaying mean temperature in Celsius
T = [num2str(props(n).MeanIntensity,3) ' \circ C'];
text(props(n).Centroid(1),props(n).Centroid(2),T,...
'Color','c','FontSize',12)
end
end
imfill | imguidedfilter | imquantize | multithresh