如何为 im2bw 函数找到最佳灰度阈值

Question

我是图像处理方面的新手。我有一个像这样的灰度图像，每个边缘的中间有 4 个圆圈：

我想检查较小正方形的边缘是否将其上的圆圈减半。否则，圆心和相关边缘之间的距离。我写了下面的代码。首先，我尝试找到边缘的长度并找到每个边缘的中间。

BW1=im2bw(image,0.45);
BW1=imcomplement(BW1);

BW1=imclearborder(BW1);
BW1=bwconvhull(BW1);
Area=bwarea(BW1);
side=sqrt(Area);
s              =  regionprops(BW1, 'Centroid');
sx1            =  round(s.Centroid(1));
sy1            =  round(s.Centroid(2));
C1=[sx1,(sy1-side./2)]; %% middle of top edge
C2=[(sx1+side./2),sy1]; %% middle of right edge
C3=[sx1,(sy1+side./2)]; %% middle of bottom edge
C4=[(sx1-side./2),sy1]; %% middle of left edge

然后，我找到每个圆的中心，如下所示，并计算它们与相关边缘的距离：

BW2=im2bw(image,0.6);
BW2=bwareaopen(BW2,70);
S      =  regionprops(BW2, 'Centroid');
centroids = round(cat(1, S.Centroid));

D1=centroids(5,:)-C1; %% distance from top edge
D2=centroids(6,:)-C2; %% distance from right edge
D3=centroids(4,:)-C3; %% distance from bottom edge
D4=centroids(3,:)-C4; %% distance from left edge

但问题是当我更改im2bw 的level 值时，会得到不同的结果。我怎样才能找到最佳的level 以获得可靠的结果？ 提前致谢。

Answer 1

您可以调整级别并使其取决于图像本身（平均值或中位数等的函数，例如 level=0.5*median(image)）

另一种方法是 normalize 您的图像并使用一个常数值阈值，您可以根据自己的应用程序和数据自行确定。