Шаг 1: Чтение изображения

Чтение в pills_etc.png.

RGB = imread('pillsetc.png');
imshow(RGB)

Шаг 2: Порог изображения

Преобразуйте изображение в черно-белое в порядок, чтобы подготовиться к трассировке контура с помощью bwboundaries.

I = rgb2gray(RGB);
bw = imbinarize(I);
imshow(bw)

Шаг 3: Удалите шум

Используя морфологические функции, удалите пиксели, которые не относятся к интересующим объектам.

Удалите весь объект, содержащий менее 30 пикселей.

bw = bwareaopen(bw,30);
imshow(bw)

Заполните пробел в прописной букве пера.

se = strel('disk',2);
bw = imclose(bw,se);
imshow(bw)

Заполните любые отверстия, чтобы можно было использовать регионропы для оценки площади, заключенной каждой из контуров

bw = imfill(bw,'holes');
imshow(bw)

Шаг 4: Найти контуры

Концентрируйтесь только на внешних контурах. Опция 'noholes' ускорит обработку, предотвратив bwboundaries от поиска внутренних контуров.

[B,L] = bwboundaries(bw,'noholes');

Отобразите матрицу меток и нарисуйте каждый контур.

imshow(label2rgb(L,@jet,[.5 .5 .5]))
hold on
for k = 1:length(B)
  boundary = B{k};
  plot(boundary(:,2),boundary(:,1),'w','LineWidth',2)
end

Шаг 5: Определите, какие объекты являются округлыми

Оцените площадь и периметр каждого объекта. Используйте эти результаты для формирования простой метрики, указывающей округлость объекта:

Эта метрика равна 1 только для круга, и она меньше, чем одна для любой другой формы. Процесс распознавания может контролироваться путем установления соответствующего порога. В этом примере используйте порог 0,94, так что только таблетки будут классифицированы как округлые.

Использование regionprops для получения оценок площади для всех объектов. Заметьте, что матрица меток возвращена bwboundaries может быть повторно использован regionprops.

stats = regionprops(L,'Area','Centroid');

threshold = 0.94;

% loop over the boundaries
for k = 1:length(B)

  % obtain (X,Y) boundary coordinates corresponding to label 'k'
  boundary = B{k};

  % compute a simple estimate of the object's perimeter
  delta_sq = diff(boundary).^2;    
  perimeter = sum(sqrt(sum(delta_sq,2)));
  
  % obtain the area calculation corresponding to label 'k'
  area = stats(k).Area;
  
  % compute the roundness metric
  metric = 4*pi*area/perimeter^2;
  
  % display the results
  metric_string = sprintf('%2.2f',metric);

  % mark objects above the threshold with a black circle
  if metric > threshold
    centroid = stats(k).Centroid;
    plot(centroid(1),centroid(2),'ko');
  end
  
  text(boundary(1,2)-35,boundary(1,1)+13,metric_string,'Color','y',...
       'FontSize',14,'FontWeight','bold')
  
end

title(['Metrics closer to 1 indicate that ',...
       'the object is approximately round'])