Сегментное термографическое изображение после фильтрации с сохранением кромок

В этом примере показано, как работать с тепловыми изображениями, демонстрируя простую сегментацию. Тепловые изображения получают с термографических камер, которые обнаруживают излучение в инфракрасном диапазоне электромагнитного спектра. Термографические изображения фиксируют инфракрасное излучение, испускаемое всеми объектами выше абсолютного нуля.

Считывание теплового изображения в рабочую область и использование whos для получения более подробной информации о данных изображения.

I = imread('hotcoffee.tif');

whos I

  Name        Size              Bytes  Class     Attributes

  I         240x320            307200  single              

Вычислите динамический диапазон, занимаемый данными, чтобы увидеть диапазон температур, занимаемых изображением. Значения пикселей на этом изображении соответствуют фактическим температурам по шкале Цельсия.

range = [min(I(:)) max(I(:))]

range = 1x2 single row vector

   22.4729   77.3727

Отображение теплового изображения. Поскольку тепловое изображение представляет собой изображение с одинарной точностью с динамическим диапазоном вне диапазона от 0 до 1, необходимо использовать imshow возможность автоматического масштабирования для отображения изображения.

figure
imshow(I,[])
colormap(gca,hot)
title('Original image')

Примените к изображению сглаживание, сохраняющее края, чтобы удалить шум при сохранении деталей изображения. Это этап предварительной обработки перед сегментацией. Используйте imguidedfilter функция для выполнения сглаживания под самонаведением. 'DegreeOfSmoothing' параметр управляет степенью сглаживания и зависит от диапазона изображения. Отрегулируйте 'DegreeOfSmoothing' для размещения диапазона термографического изображения. Отображение отфильтрованного изображения.

smoothValue = 0.01*diff(range).^2;
J = imguidedfilter(I,'DegreeOfSmoothing',smoothValue);

figure
imshow(J,[])
colormap(gca,hot)
title('Guided filtered image')

Определите пороговые значения для использования в сегментации. Изображение имеет 3 отдельные области - человек, горячий объект и фон - которые выглядят хорошо разделенными по интенсивности (температуре). Использовать multithresh чтобы вычислить 2-уровневое пороговое значение для изображения. При этом изображение разделяется на 3 области методом Оцу.

thresh = multithresh(J,2)

thresh = 1x2 single row vector

   27.0018   47.8220

Пороговое значение изображения с использованием значений, возвращенных multithresh. Пороговые значения составляют 27 и 48 по Цельсию. Первый порог отделяет интенсивность фона от человека, а второй порог отделяет человека от горячего объекта. Разделите изображение на сегменты и заполните отверстия.

L = imquantize(J,thresh);
L = imfill(L);

figure
imshow(label2rgb(L))
title('Label matrix from 3-level Otsu')

Нарисуйте ограничивающую рамку вокруг областей переднего плана на изображении и поместите среднее значение температуры области в рамку. В примере предполагается, что самым большим регионом является фон. Используйте regionprops для получения информации о 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

См. также

imfill | imguidedfilter | imquantize | multithresh

Связанные темы

• Что такое фильтрация управляемых изображений?