图像处理中灰度密度图像

2016/7/17

在分割图像中，经常会对图像进行差分处理再进行分割，那么对于一个输入的带有导管信息的差分图像（如图所示），该如何分割出导管信息呢，方法是构造灰度密度图像进行分割。具体步骤和实现效果容我慢慢道来。

 

1、  输入一个差分图像

2、  对该差分图像的每条边界扩充10个像素点，扩充像素点的像素值设置为0;

遍历图像，记灰度最大值为Max。这里我自己写的扩充边界的函数，同时统计灰度最大值。还可以使用函数copyMakeBorder();不过该函数的接口是Mat型的，参数较为复杂。使用IplImage* 图像格式的时候记得转换。

3、  构造一个21*21的模板，从像素点(10,10)开始遍历新图像，统计模板内灰度值大于0.5*Max的像素点的数目，将其转化为(0-255)之间，构造灰度密度图像。

4、  对灰度密度图像进行二维Otsu阈值分割，得到分割后的导管图像。

源码如下：

 

#include

#include

 

using namespace std;

   

double max_pixel=0;

double count_pixel(int i,int j,IplImage* a);

 

int cvOtsu2D(CvMat *pGrayMat) ;

 

/*扩展边界*/

IplImage* externBorder(IplImage* src,int addRows,intaddCols);

 

 

 

int main()

{

    IplImage *img=cvLoadImage("sub.png",1);

 

    cvNamedWindow("差分图",0);

    cvNamedWindow("新图",0);

    cvShowImage("差分图",img);

 

    //构造一幅在原图基础上每条边界扩展10个像素点，并将这些像素点的值设置为0

   

    IplImage*img_p = externBorder(img,10,10);

 

    cvShowImage("新图",img_p);

   

 

    //构造一个21*21的模板，从像素点(10,10)遍历新的图像，统计模板内灰度值大于0.55*Max的像素点的数目，构造出灰度密度图像(转换成0-255)。

    IplImage*img_grey=cvCreateImage(cvGetSize(img),8,1);

    CvScalarpixel_s;

    for(inti=10;iheight-10;i++)

        for(intj=10;jwidth-10;j++)

        {

            pixel_s.val[0]=count_pixel(i,j,img_p);

            cvSet2D(img_grey,i-10,j-10,pixel_s);

 

        }

    cvShowImage("灰度密度图像",img_grey);

 

    CvMat*imgMat = cvCreateMat(img_grey->height, img_grey->width, CV_8UC1);//创建矩阵，其type为CV_8UC1

    cvConvert(img_grey,imgMat);

    int threshold = cvOtsu2D(imgMat);//求二维阈值分割的阈值

    cvThreshold(img_grey,img_grey,threshold,255,CV_THRESH_BINARY);

 

    cvShowImage("Otsu分割图",img_grey);

 

 

    cvWaitKey(0);

    cvReleaseImage(&img);

    cvReleaseImage(&img_p);

    cvReleaseImage(&img_grey);

 

}

 

/*扩展边界*/

IplImage* externBorder(IplImage* src,int addRows,intaddCols)

{

    CvSizesize=cvSize(src->width+2*addCols,src->height+2*addRows);

    IplImage*dst=cvCreateImage(size,8,1);

    CvScalarpixel;

    for(inti=0;iheight;++i)

        for(intj=0;jwidth;++j)

        {

            pixel=cvGet2D(src,i,j);

            if(pixel.val[0]>max_pixel)

                max_pixel=pixel.val[0];

            cvSet2D(dst,i+addCols,j+addRows,pixel);

        }

 

 

        CvScalarpixel_s;

        pixel_s.val[0]=0;

 

        for(inti=0;iheight;++i)

            for(intj=0;j

                cvSet2D(dst,i,j,pixel_s);

        for(inti=0;iheight;++i)

            for(intj=dst->width-addCols;jwidth;++j)

                cvSet2D(dst,i,j,pixel_s);

        for(inti=0;i

            for(intj=0;jwidth;++j)

                cvSet2D(dst,i,j,pixel_s);

        for(inti=dst->height-addRows;iheight;++i)

            for(intj=0;jwidth;++j)

                cvSet2D(dst,i,j,pixel_s);

 

        return dst;

}

 

/*统计像素点*/

double count_pixel(int i,int j,IplImage* a)

{

    double temp=0;

    for(intk=i-10;k

        for(intm=j-10;m

        {

            if((cvGet2D(a,k,m).val[0])>(0.55*max_pixel))

                temp++;

        }

        temp=temp*255/441;

        return temp;

}