Matlab：256个二进制矩阵到一张256级灰度图像

Question

我的一个过程产生 256 个二进制（逻辑）矩阵，每个矩阵对应灰度源图像的每一级。

代码如下：

so = imread('bio_sd.bmp');
co = rgb2gray(so);

for l = 1:256
    bw = (co == l); %         Binary image from level l of original image
    be = ordfilt2(bw, 1, ones(3, 3)); %  Convolution filter
    bl(int16(l)) = {bwlabel(be, 8)}; %   Component labelling
end

我获得了 256 个二值图像的元胞数组。如果该位置处的源图像像素与二值图像的索引具有相同的级别，则此类二值图像包含 1。

IE。二进制图像 bl{12} 包含 1，其中源图像的像素级别为 12。

我想通过将 256 个二进制矩阵组合回灰度图像来创建新图像。

但我对 Matlab 很陌生，我想知道是否有人可以帮我编码:)

ps：我使用的是 matlab R2010a 学生版。

Answer 1

最简单的解决方案是依次迭代每个逻辑矩阵，将其乘以相应的权重，然后累加到代表最终图像的输出矩阵中。

Answer 2

你的代码做了什么......

我认为最好首先检查一下你发布的代码实际上在做什么，因为存在一些不一致的地方。我将遍历循环中的每一行：

• bw = (co == l);

  这只是创建一个二进制矩阵 bw，其中灰度图像 co 的像素强度等于循环值 l。我注意到你从 1 循环到 256，这让我觉得很奇怪。通常，加载到 MATLAB 中的图像将是无符号8位整数类型，意味着灰度值的范围为0到255在这种情况下，当 l = 256 时计算的最后一个二进制矩阵 bw 将始终包含全零。另外，您不对灰度级为 0 的像素进行任何处理。从后续处理来看，我猜测您故意要忽略灰度值 0，在这种情况下，您可能只需要从 1 循环到 255 .

• be = ordfilt2(bw, 1, Ones(3, 3));

  您在这里使用 ORDFILT2 执行的操作实质上是执行二元腐蚀操作。 bw 中任何以 0 作为其 8 个邻居之一的 1 值都将被设置为 0，从而导致 1 岛被侵蚀（即尺寸缩小）。由 1 组成的小岛将会消失，只留下具有相同灰度级别的较大的连续像素簇。

• bl(int16(l)) = {bwlabel(be, 8)};

  这里您可能存在一些误解。首先，bl 中的矩阵不是 逻辑矩阵。在您的示例中，函数 BWLABEL 将找到 8-连接的。找到的第一个簇的元素在输出图像中标记为 1，找到的第二个簇的元素标记为 2，等等。因此，矩阵将包含正整数值，其中 0 代表背景。

  其次，您打算将这些标记的簇用于任何用途吗？您可能需要进行进一步的处理，需要在给定的灰度强度级别上识别单独的簇，但关于从 bl 中的元素创建灰度图像，特定标签 值 是不必要的。您只需要识别零值和非零值，因此，如果您不使用 bl 进行其他任何操作，我建议您只需将 be 的各个值保存在元胞数组并使用它们重新创建灰度图像。

现在，给出答案...

一个非常简单的解决方案是使用函数 CAT，然后使用函数 MAX 查找沿第三维（对应于原始图像的灰度值）出现非零值的索引。对于给定的像素，如果沿第三维没有找到非零值（即全为零），那么我们可以假设该像素值应该为 0。但是， MAX 将默认为 1，因此您必须使用最大值作为逻辑索引来设置像素为 0：

[maxValue,grayImage] = max(cat(3,bl{:}),[],3);
grayImage(~maxValue) = 0;

请注意，为了显示或保存您可能想要更改结果图像类型的图像< code>grayImage 转换为无符号 8 位整数类型，如下所示：

grayImage = uint8(grayImage);

Answer 3

整个答案仅适用于问题的原始形式。

让我们假设您可以获得所有内容将您的二进制矩阵组合成一个大的 n×m×256 矩阵 binaryimage(x,y,greyvalue)。然后你可以计算你的最终图像，

newimage=sum(bsxfun(@times,binaryimage,reshape(0:255,1,1,[])),3)

这里的魔法是由 bsxfun 完成的，它将 3D (nxmx 256) 二值图像与包含灰度值 0...255 的 1 x 1 x 256 向量相乘。这会生成一个 3D 图像，其中对于固定的 x 和 y，向量 (y,x,:) 包含许多零，并且（对于一个灰度值 G，其中二进制图像包含 1< /code>）它包含值G。因此，现在您只需对第三个维度求和即可获得 nx m 图像。

更新

为了测试其是否正常工作，我们首先采用另一种方式：

fullimage=floor(rand(100,200)*256);
figure;imshow(fullimage,[0 255]);

是随机灰度图像。您可以像这样计算 256 个二进制矩阵：

binaryimage=false([size(fullimage) 256]);
for i=1:size(fullimage,1)
   for j=1:size(fullimage,2)
      binaryimage(i,j,fullimage(i,j)+1)=true;
   end
end

我们现在可以应用上面给出的解决方案

newimage=sum(bsxfun(@times,binaryimage,reshape(0:255,1,1,[])),3);

并验证我是否返回原始图像：

all(newimage(:)==fullimage(:))

它给出 1 (true) :-)。

更新 2

您现在提到您的二进制图像位于元胞数组中，我假设 binimg{1:256}，每个元胞包含一个 nxm 二进制数组。如果可以的话，更改生成此数据的代码以创建我上面使用的 3D 二进制数组可能是有意义的 - 如果不同的单元格包含不同类型、形状或大小的数据，则单元格最有用。

如果有充分的理由坚持使用元胞数组，您可以

binaryimage = reshape(cell2mat(reshape(binimg,1,256)),n,m,256);

使用上面使用的 n 和 m 将其转换为 3D 数组。如果您已有 size(binimg)==[1 256]，则无需进行内部重塑。总而言之，您需要使用元胞数组 binimg 来计算 3D 矩阵二值图像，然后您可以使用它来计算您感兴趣的 newimage我的答案开头的代码。

希望这有帮助...