扩大对象/特征像素区域答案

【问题标题】：Expanding object/feature pixel area扩大对象/特征像素区域
【发布时间】：2016-04-30 21:22:06
【问题描述】：

在初始分割后，哪种方法通常用于评估剩余的“边界”像素（基于阈值）？

我考虑过根据阈值的标准偏差进行分类，但我不知道这是否是图像分析中的常见做法。这将是一种区域增长方法，但基于这个问题的答案 (http://www.mathworks.com/matlabcentral/answers/53351-how-can-i-segment-a-color-image-with-region-growing)，使用区域增长算法是不明智的。有人建议imdilate。这种方法看起来很随意，在出于审美目的增强图像或提高可见度时很有用。对于我的问题，像素的分配必须是正确的，因为我必须对这些提取的对象/特征进行测量，并且一些像素会产生巨大的差异。

我在寻找什么：

从第一次分割中收集 BW 图像的边界像素（我发现：http://nl.mathworks.com/help/images/ref/bwboundaries.html）
用于对这些边界像素进行分类的决策规则（最近邻？）。如果有多种方法可以做到这一点，那将很有帮助，因为它可以对分类进行相对准确性检查。

我非常感谢在该领域有更多经验的人提供的意见/建议，为我指明正确的方向（功能、教程等……）

谢谢！

【问题讨论】：

我不确定我是否理解您的意思：您是否进行了分割，现在想通过在边界处添加或删除一些像素来细化分割区域？
@Jonas：是的，我根据 rgb 和实验室色彩空间通道进行了分割（未结合，两种单独的方法）。我想重新评估此分割结果（分配为 1 的像素）的边界处的像素（或者如果计算上不减慢分配为 0 的所有像素）以添加像素（而不是删除）。我希望这个评估基于从初始分割中提取的像素的颜色通道值（与这些值的偏差）。

标签： matlab image-processing aggregate boundary

【解决方案1】：

什么对您有用，很大程度上取决于您拥有的图像。这不是万能的算法。

首先，您需要回答以下问题：给定一个接近分割特征的像素，是什么让您相信该像素属于该特征？另外：什么是“关闭”？

第二个问题的答案决定了您的搜索范围。在这里，imdilate 可用于识别候选像素（即，您扩大特征，减去特征，然后在每个特征周围留下一圈候选像素）。如果您对所有像素进行测试，风险不会太大，以至于可能会永远持续下去，而是对于某些图像，您的区域增长机制会扩展到整个图像。

第一个问题的答案决定了您将使用哪种算法。您是否在寻找梯度，即“如果像素 p 在强度上与相邻特征的强度比与大多数相邻特征的强度更接近，那么我接受它”？你在寻找质感吗？您是否在寻找局部阈值（滞后阈值）？再次，答案在很大程度上取决于您正在分割的图像。确保在大量图像上进行测试，因为在一张图像上看起来不错的东西在另一张图像上可能完全失败。

【讨论】：

感谢您解释我必须如何处理它。我会澄清这个问题。我想在绿色（植物）背景上提取和测量水果（我从红色开始，稍后再做绿色，因为这会更困难）。我认为对于红色水果，最好的方法是寻找渐变。对于绿色水果，质地方法。我不熟悉滞后阈值。
滞后阈值是指您具有高阈值（即“这些像素肯定是对象的一部分”）和低阈值（即“这些像素可能是对象的一部分”） .然后，在与属于高阈值的区域相邻的区域中获取所有通过高阈值的像素，以及所有通过低阈值的像素。