图像分裂合并的matlab实现

happy

包含四段程序

1. clear;
   
2. I=imread('xingshi32.bmp');
   
3. 
   
4. if(isgray(I)==0)
   
5.     disp('请输入灰度图像,本程序用来处理128 *128的灰度图像!');
   
6. else
   
7.   if (size(I)~=[128,128])
   
8.       disp('图像的大小不合程序要求!');
   
9.   else
   
10. H.color=[1 1 1];  %设置白的画布
    
11. figure(H);imshow(I);
    
12. title('原图像');  
    
13. zeroImage=repmat(uint8(0),[128 128]);
    
14. figure(H);        %为分裂合并后显示的图设置画布
    
15. meansImageHandle=imshow(zeroImage);
    
16. title('块均值图像');
    
17. %%%%%设置分裂后图像的大小由于本图采用了128像素的图
    
18. blockSize=[128 64 32 16 8 4 2];
    
19. %%设置一个S稀疏矩阵用于四叉树分解后存诸数据
    
20. S=uint8(128);
    
21. S(128,128)=0;  
    
22. threshold=input('请输入分裂的阈值(0--1):');%阈值
    
23. threshold=round(255*threshold);
    
24. M=128;dim=128;
    
25. tic
    
26. %%%%%%%%%%%%%%%%% 分裂主程序%%%%%%%%%%%
    
27. while (dim>1)
    
28.     [M,N] = size(I);
    
29. 
    
30.     Sind = find(S == dim);
    
31.     numBlocks = length(Sind);
    
32. if (numBlocks == 0)
    
33.     %已完成
    
34.     break;
    
35. end
    
36.   rows = (0:dim-1)';
    
37.   cols = 0:M:(dim-1)*M;
    
38.   rows = rows(:,ones(1,dim));
    
39.   cols = cols(ones(dim,1),:);
    
40.   ind = rows + cols;
    
41.   ind = ind(:);
    
42. 
    
43. 
    
44. tmp = repmat(Sind', length(ind), 1);
    
45. ind = ind(:, ones(1,numBlocks));
    
46. ind = ind + tmp;
    
47. 
    
48. blockValues= I(ind);
    
49. blockValues = reshape(blockValues, [dim dim numBlocks]);
    
50. 
    
51.     if(isempty(Sind))
    
52.         %已完成
    
53.         break;
    
54.     end
    
55.     [i,j]=find(S);
    
56.     set(meansImageHandle,'CData',ComputeMeans(I,S));
    
57.     maxValues=max(max(blockValues,[],1),[],2);
    
58.     minValues=min(min(blockValues,[],1),[],2);
    
59.     doSplit=(double(maxValues)-double(minValues))>threshold;
    
60.     dim=dim/2;
    
61.     Sind=Sind(doSplit);
    
62.     Sind=[Sind;Sind+dim;(Sind+M*dim);(Sind+(M+1)*dim)];
    
63.     S(Sind)=dim;
    
64. end
    
65. [i,j]=find(S);  % 用来寻找四叉机分解结果中大小为S的块的位置
    
66. set(meansImageHandle,'CData',ComputeMeans(I,S));   % 显示分解结果块均值图像
    
67. Numberofbloks=length(i);  %计算块数
    
68. %sizev=size(v);
    
69. end
    
70. end
    
71. toc

复制代码

happy

1. function means = ComputeMeans(I, S)
   
2. % 用来计算给定图像和稀疏矩阵的块均值
   
3. %  I: 为给定的图像
   
4. %  S: 为稀疏矩阵
   
5.   means = I;
   
6.   for dim = [128 64 32 16 8 4 2 1];
   
7.     values = getblk(I, S, dim);
   
8.   
   
9.     if (~isempty(values))
   
10.        %%%%%以下的句子是将小块的平均值来代替原图像中相应的块处的像素%%%%
    
11.        if (min(min(values))>=60)  
    
12.            means = setblk(means, S, dim, 0);  %用于合并时的阈值
    
13.        else   
    
14.           %means = setblk(means, S, dim, sum(sum(values,1),2) ./ dim^2+std2(values));
    
15.        %means = setblk(means, S, dim, sum(sum(values,1),2) ./ dim^2);
    
16.         %means = setblk(means, S, dim, mean2(values));
    
17.          means = setblk(means, S, dim, max(max(values,1),2));
    
18.       
    
19.     end
    
20.   end
    
21. end

复制代码

happy

1. function [val,r,c] = getblk(A,S,dim)
   
2. % I:为待处理的图像
   
3. % S:为四叉树分解后返回的稀疏矩阵包含四叉树结构
   
4. % Val是dim * dim*k数组, 包含图像I的四叉树分解中的每个 dim *dim 块
   
5. % k是四叉树分解的dim *dim块的数量
   
6. % 如果没有指定大小的块那么返回一个空矩阵
   
7. [M,N] = size(A);
   
8. 
   
9. Sind = find(S == dim);
   
10. numBlocks = length(Sind);
    
11. if (numBlocks == 0)   % 没有找到任何模块
    
12.     val = zeros(dim,dim,0);  % 返回空矩阵
    
13.     r = zeros(0,1);
    
14.     c = zeros(0,1);
    
15.     return;
    
16. end
    
17. 
    
18. % 为dim *dom的块计算索引%%%%%%%%%%%%%%%%%
    
19. rows = (0:dim-1)';
    
20. cols = 0:M:(dim-1)*M;
    
21. rows = rows(:,ones(1,dim));
    
22. cols = cols(ones(dim,1),:);
    
23. ind = rows + cols;
    
24. ind = ind(:);
    
25. 
    
26. % 计算索引矩阵
    
27. tmp = repmat(Sind', length(ind), 1);
    
28. ind = ind(:, ones(1,numBlocks));
    
29. ind = ind + tmp;
    
30. 
    
31. val = A(ind);
    
32. 
    
33. val = reshape(val, [dim dim numBlocks]);

复制代码

happy

1. function B = setblk(A,S,dim,val)
   
2. % I 为待处理的图像
   
3. % S:为四叉树分解后的稀疏矩阵包含四叉树结构
   
4. % Val:是dim * dim *k数组
   
5. % K :是四叉树分解的dim * dim 大小块的个数
   
6. % setblk : 用val中相应的dim * dim块的值取代图像 A 的四叉树分解中的每个
   
7. % dim *dim  块
   
8. [M,N] = size(A);
   
9. 
   
10. blocks = find(S == dim)';
    
11. numBlocks = length(blocks);
    
12. if (~isequal([size(val,1) size(val,2) size(val,3)], [dim dim numBlocks]))
    
13.     if (prod(size(val)) == numBlocks)
    
14.       
    
15.         val = repmat(val(:)',[dim^2 1]);
    
16.       
    
17.     end
    
18. end
    
19. val = val(:);
    
20. % 为每一个块算出一个索引
    
21. rows = (0:dim-1)';
    
22. cols = 0:M:(dim-1)*M;
    
23. rows = rows(:,ones(1,dim));
    
24. cols = cols(ones(dim,1),:);
    
25. ind = rows + cols;
    
26. ind = ind(:);
    
27. 
    
28. % 依照索引进行替换%%%%%
    
29. blocks = blocks(ones(length(ind),1),:);
    
30. ind = ind(:, ones(1,numBlocks));
    
31. ind = ind + blocks;
    
32. 
    
33. B = A;
    
34. B(ind) = val;

复制代码

happy

事例图片

bigbigpig

看到你的程序，颇有启发，能否请教一个问题，我也在用这个方法进行图像的分割，分裂后，对于相同或相近属性区域的合并，不知在哪儿下手。你的好像是对每个区域求平均灰度值，但如果我的逻辑谓词改为：if 两个邻接区域的灰度平均值之差小于閾值  则两区域给定相同的标记，那么在matlab里如何实现呢。 祈祷你快快回复阿。

yhl41001

谢谢分享！

chenjuan_li

您好，我运行了下这个程序，到set(meansImageHandle,'CData',ComputeMeans(I,S));   就运行不通了，说ComputeMeans不能识别。求指教谢谢

ChaChing

回复 8 # chenjuan_li 的帖子

Ref: 常见的程序出错问题整理 http://forum.vibunion.com/thread-46001-1-1.html
   3F->Undefined function or variable "a"
From http://forum.vibunion.com/home-s ... -blog-id-18250.html