我想自动计算此类图像中点彼此非常接近的点的数量，以便将许多点视为一个点：
我曾想过使用 MATLAB 的局部最大值函数/算法，例如 imregionalmaxima，但这会返回具有最大值的像素数（二进制矩阵中的像素数）。我只想测量黑色循环中包含的白点数量。
我也在这里找到了这个主题：How to count the number of spots in this image? 并使用了 ImageJ 软件。它无法检测到斑点，在我看来，它还可以检测到具有最大值的像素。
【问题讨论】：
标签： image matlab image-processing imagej
另一种计算图像中有多少白点的简单方法是首先将图像转换为黑白，去除白色边框，然后计算剩余的数量。使用bwlabel 并确定在第二个输出变量中看到的值。要清除白色边框，请使用imclearborder。顺便说一句，这假设您有图像处理工具箱：
%// Read image directly from StackOverflow
im = im2bw(imread('http://i.stack.imgur.com/9hU5O.png'));
%// Remove white border surrounding image
im = imclearborder(im);
%// Count how many white spots there are
[~,num] = bwlabel(im);
我明白了：
>> num
num =
18
现在，在您的真实示例中，您有一些嘈杂的像素。有几种方法可以摆脱那些孤立的条纹。对我有用的是使用具有 5 x 5 方形结构元素的形态学开口。执行此操作后，这将删除任何面积小于 5 x 5 的嘈杂像素，并单独留下任何面积大于 5 x 5 形状的形状。结合使用 imopen 和 strel 来帮助您做到这一点：
%// Read in the new image and convert to black and white
im = im2bw(imread('http://i.stack.imgur.com/HCvAa.png'));
%// Clear the border
im = imclearborder(im);
%// Define the structuring element
se = strel('square', 5);
%// Open the image
out = imopen(im, se);
%// Now count the objects
[~,num] = bwlabel(out);
我明白了：
>> num
num =
18
另外，如果你很好奇，清理后的图像是这样的：
>> imshow(out);
这个处理是在你发布的新图片上完成的，你可以看到由于打开操作而去除了嘈杂的白色像素。
【讨论】：
试试这个（需要图像处理工具箱）：
i = imread('9hU5O.png');
bw = im2bw(i);
cc = bwconncomp(imclearborder(bw), 4);
另见here。
输出：
cc =
Connectivity: 4
ImageSize: [381 423]
NumObjects: 18
PixelIdxList: {1x18 cell}
编辑：现在包括 rayryeng 的 imclearborder()。
【讨论】：
imclearborder 太：D
您需要connected-component labeling 来完成此任务。
在 ImageJ 中，这是使用 Analyze Particles 命令完成的。
结果可以写入表格或显示为粒子轮廓。
在处理真实图像时，最好在分割之前对图像进行预处理，例如消除噪音。如果这是不可能的，并且您的二值图像包含不完美的分割，您可以使用形态学操作（即腐蚀、扩张、打开、关闭）来丢弃细线和单个像素。以下 Javascript 可以帮助您入门。只需从script editor 运行它。
importClass(Packages.ij.IJ);
imp = IJ.openImage("http://i.stack.imgur.com/X8Bou.png");
IJ.run(imp, "8-bit", "");
IJ.run(imp, "Open", "");
IJ.run(imp, "Watershed", "");
IJ.run(imp, "Analyze Particles...", "size=50-1000 show=Outlines display exclude clear");
imp.show();
这是结果：
【讨论】：