В этом примере показано, как вычислить стандартное отклонение областей интересов (ROI) во входном изображении. Входное изображение состоит из различных областей текстуры, и значения ROI выбираются так, чтобы содержать эти области текстуры.
Считывание изображения в рабочую область MATLAB.
I = imread('multitextures.png');
Загрузите изображение маски, определяющее значения ROI во входном изображении.
load('binaryROI.mat')
Откройте модель Simulink.
modelname='ex_blk2dstd.slx';
open_system(modelname);
Модель вычисляет координаты для ROI с помощью Blob Analysis блок. Максимальное число значений параметра blobs в Blob Analysis для блока установлено значение 5, количество ROI.
2-D Standard Deviation блок вычисляет значение стандартного отклонения для каждого ROI.
Установите эти параметры 2-D Standard Deviation блокировать указанное значение для вычисления отдельных статистических данных для каждого ROI.
Набор Find the standard deviation value over параметр для Entire input
Выбрать Enable ROI processing параметр
Набор ROI type параметр для Rectangles
Набор Output параметр для Individual statistics for each ROI
Значения стандартного отклонения указывают дисперсию значений пикселей в ROI от соответствующего среднего значения.
out = sim(modelname);
Модель также отображает входное изображение и матрицу меток, соответствующие выбранным значениям ROI. Прямоугольники, наложенные на входное изображение, представляют ROI, для которых вычисляется стандартное отклонение.
Просмотрите значение стандартного отклонения для каждого ROI. Первое значение стандартного отклонения соответствует области со значением метки 1. Аналогично, второе значение стандартного отклонения соответствует области со значением метки 2 и так далее.
out.std
ans =
0.0534
0.1203
0.0775
0.1463
0.1629