Matlab 简单图像分割实战

一、Matlab安装及题目

最近有一个数字图像处理的实验课，我们组准备选一个有关图像分割的题目。这里把我们组的一些思路及首先记录下。

首先自然是matlab的安装了，网上有很多的安装包，但是大部分都是百度网盘的，我超级不喜欢百度网盘。所以我直接给一个matlab7.0浏览器下载的链接:
https://dl.pconline.com.cn/download/360588.html

解压安装后，对于window10操作系统，请右键Matlab.exe文件，选择属性，兼容性，以兼容模式运行该程序：

Matlab7.0是比较老的版本了，没有自动补全等功能，如果是长期使用还是推荐取网上下载新版本。

然后题目如下：

二、使用HSV色彩空间进行颜色阈值分割

一种简单的方法是使用颜色的数值不同进行划分，颜色相近的点分到一张图片里面，那么我们直接用RGB三通道划分吗？自然可以，但是我们先尽可能考虑简单情况吧（你也可以说我太菜 / W \）

三维的划分不容易，一维的容易不少，我们可以使用灰度图，然后弄出它的直方图再说。

不过可以注意到，我们要划分的图像，大都颜色近似。那么可以用一种可能更好的方式，这里我们就要介绍HSV色彩空间了。它如下图所示：

这个模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。
H用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°, 蓝色为240°。它们的补色是：黄色为60°，青色为180°, 品红为300°；

因为HSV非常符合人的观察模式，S和V通道对颜色的归类影响不太大，所以可以直接用H通道。

因此我们将原本的灰度图的直方图变成H通道的直方图。

这里我们先实现一个函数（请无视函数名），传入参数为图像I，
第一步、读取图片，得到h通道。
第二步、绘制HSV彩带方便对比查看。（可选）
第三步、计算频率，准备绘制直方图。
第四步、特殊处理，作用就是放大一些凸点。（可选）

function [hsv,res]=Untitled(I)
% 1.读取图片并转换为HSV图像模型
hsv = rgb2hsv(I);%RGB转hsv
h = hsv(:,:,1);
h = h(:)*360;	% 因为h通道为0-1,所以乘360

% 2.画hsv颜色分量
for i=1:360
    tempx = 1-abs(mod(i/60,2)-1);
    if i<60
        plot(i,0,'*','color',[1 tempx 0],'MarkerSize',20);
    elseif i<120
        plot(i,0,'*','color',[tempx 1 0],'MarkerSize',20);
    elseif i<180
        plot(i,0,'*','color',[0 1 tempx],'MarkerSize',20);
    elseif i<240
        plot(i,0,'*','color',[0 tempx 1],'MarkerSize',20);
    elseif i<300
        plot(i,0,'*','color',[tempx 0 1],'MarkerSize',20);
    else
        plot(i,0,'*','color',[1 0 tempx],'MarkerSize',20);
    end   
    hold all;
end

% 3.画hsv频率曲线
res = linspace(0,0,361);
for i=1:length(h)
    if res(round(h(i))+1) < 10000	% 限制一下
        res(round(h(i))+1) =  res(round(h(i))+1) + 1;
    end
end

% 4.特殊处理，放大odd像素
for i=2:360
    if res(i) > res(i+1)+700 && res(i) > res(i-1)+700
        res(i) = 5*res(i);
        if res(i) > 10000
            res(i) = 10000;
        end
    end
end

plot(res,'LineWidth', 2);
grid on;

记得文件名和函数名一致，然后我们来测试一下。
在command window输入下面的代码，选择图片，然后调用函数。

[fn,pn,fi]=uigetfile({'*.jpg;*.tif;*.png;*.gif;*.bmp','All Image Files';...
         '*.*','All Files' },'mytitle',...
         'C:\Work\myfile.jpg');
I = imread([pn fn]);
[hsv,res]=Untitled(I);

可以从直方图看到，明显看到这一张照片的绿色和蓝色还有红色比较多。我输入的图片如下：

之前的特殊处理的用处就是对于像蓝色这样的像素点比绿色少很多，所以对这样的像素放大。
这样我们就得到了一张直方图，怎么分呢？通过人眼，应该已经可以大致划几条竖线分割了吧。
比如这样（实际情况会有区别，虽然有够难看的），分成四部分，那么用matlab怎么实现呢？

三、简单分割实现

一个简单的方法就是画一条横线，把超过这条横线的区间记录下来，根据这个区间进行划分。
我们再定义一个函数，传入上面函数得到的hsv,res以及一个阈值flag,我们那一条横线的值就是flag了。
第一步、根据设定的flag分类，获取区间传入res2中，就是计算那些我画的小红点了。

第二步、就是对区间相距太近的进行合并。
第三步、从左到右计算每一个区间右边界和下一个区间的左边界取中值。
比如：处理前的区间是0 1和30 31，那么就化为0 （1+30）/2和（1+30）/2 31，所以结果如下所示：
res2 =

 0     1
30    31
60    61
67    68
85    90

res2 =

 0    16
16    46
46    64
64    77
77   360

第四步、根据上面的结果绘制分割图。代码如下：

function []=Step2(hsv,res,flag)
temp_hsv = hsv;
% 1.根据设定的频率系数，分类
plot([0 360],[flag flag],'g--','LineWidth', 2);

% 2,获取区间传入res2中
left = 0;
flag_temp = 0;  % 0表示还没有进入区间
res2 = [];
for i=1:length(res)
    if res(i) > flag
        if flag_temp == 0
            left = i;
            flag_temp = 1;
        end
    else 
        if flag_temp == 1
            res2 = [res2;left-1,i-1];
            flag_temp = 0;
        end
    end
end

% 间距小的合并
i = 1;
res3 = [];
while i<=length(res2(:,1))-1
    % 小于12的间隔进行合并
    temp_left = res2(i,1);
    while i<=length(res2(:,1))-1 && res2(i+1,1) - res2(i,2) < 5
        i=i+1;
    end
    res3 = [res3;temp_left,res2(i,2)];
    i=i+1;
end
res2 = res3;
% 取中值划分
for i=1:length(res2(:,1))
    if i==1
        res3(i,1) = 0;
        res3(i,2) = round((res2(i,2)+res2(i+1,1))/2);
    elseif i==length(res2(:,1))
        res3(i,1) = round((res2(i-1,2)+res2(i,1))/2);
        res3(i,2) = 360;
    else
        res3(i,1) = round((res2(i-1,2)+res2(i,1))/2);
        res3(i,2) = round((res2(i,2)+res2(i+1,1))/2);
    end
end
length(res3(:,1))
res2 = res3;
% 3. 开始分割
figure;
for i=1:length(res2(:,1))
    hsv = temp_hsv;
    temp_interval = res2(i,:);
    sum = 0;
    for row=1:length(hsv(:,1,:))
        for col=1:length(hsv(1,:,:))
            temp_num = round(hsv(row,col,1)*360);
            if temp_interval(1) <= temp_num && temp_num <= temp_interval(2)
                ;   % 选中的像素处理
            else
                hsv(row,col,1) = 0;     % 未选中像素处理，白色
                hsv(row,col,2) = 0;
                hsv(row,col,3) = 1;
            end
        end
    end
    NEW = hsv2rgb(hsv);
    % subplot(1,length(res2(:,1)),i);
    figure(i); 
    imshow(NEW);
end

结果如下，虽然还是不太理想，但是还阔以：

自己Matlab程序写得少，肯定上面的代码还有matlab相关的简单写法，但是思想是一样的（把Matla活生生用成了C），如果有更好的实现方法欢迎指正。

那有没有更好的方法呢？答案是有的，下一篇文章讲解OpenCv方法实现图像分割，用到的技术是超像素SLIC方法、kmean分类，不要被吓到了，实现可能会难一点，但是超级容易理解。

【OpenCv3】 VS C++ （五）：SLIC超像素分割算法:

https://blog.csdn.net/qq_40515692/article/details/102750516