MATLAB中strel函数用法

news2024/9/21 12:36:54

目录

语法

说明

任意邻域形状

二维几何邻域形状

三维几何邻域形状

示例

创建正方形结构元素

创建线形结构元素

创建盘形结构元素

创建三维球形结构元素

参数说明

属性


        strel函数的功能是形态学结构元素。

语法

SE = strel(nhood)
SE = strel("diamond",r)
SE = strel("disk",r)
SE = strel("disk",r,n)
SE = strel("octagon",r)
SE = strel("line",len,deg)
SE = strel("rectangle",[m n])
SE = strel("square",w)
SE = strel("cube",w)
SE = strel("cuboid",[m n p])
SE = strel("sphere",r)

说明

        strel 对象表示一个平面形态学结构元素,该元素是形态学膨胀和腐蚀运算的重要部分。

        平面结构元素是一个二维或多维的二值邻域,其中 true 像素包括在形态学运算中,false 像素不包括在内。结构元素的中心像素称为原点,用于标识图像中正在处理的像素。使用 strel 函数(如下所述)创建一个平面结构元素。您可以将平面结构元素用于二值图像和灰度图像。下图说明平面结构元素。

如图所示:

Disk shaped structuring element with a radius of 3 pixels

​要创建一个非平面结构元素,请使用 offsetstrel。

任意邻域形状

​SE = strel(nhood) 创建一个具有指定邻域 nhood 的平面结构元素。

二维几何邻域形状

​SE = strel("diamond",r) 创建一个菱形结构元素,其中 r 指定从结构元素原点到菱形各点的距离。

SE = strel("disk",r) 创建一个盘形结构元素,其中 r 指定半径。

SE = strel("disk",r,n) 创建一个盘形结构元素,其中 r 指定半径,n 指定用于逼近盘形的线条结构元素的数量。当结构元素使用逼近时,使用盘形逼近的形态学运算的运行速度要快得多。

SE = strel("octagon",r) 创建一个八边形结构元素,其中 r 指定从结构元素原点到八边形边的距离,沿水平和垂直轴测量。r 必须为 3 的非负倍数。

SE = strel("line",len,deg) 创建一个关于邻域中心对称的线性结构元素,长度约为 len,角度约为 deg。

SE = strel("rectangle",[m n]) 创建一个大小为 [m n] 的矩形结构元素。

SE = strel("square",w) 创建一个宽度为 w 个像素的正方形结构元素。​

三维几何邻域形状

SE = strel("cube",w) 创建一个宽度为 w 个像素的三维立方体结构元素。

SE = strel("cuboid",[m n p]) 创建一个大小为 m×n×p 像素的三维立方体结构元素。

SE = strel("sphere",r) 创建一个半径为 r 个像素的三维球面结构元素。

兼容性

        ​以下语法仍然有效,但 offsetstrel 是创建这些非平面结构元素形状的首选方法:

  • SE = strel("arbitrary",nhood,h),其中 h 是与 nhood 大小相同的矩阵,包含着与 nhood 的每个非零元素相关联的高度值。

  • SE = strel("ball",r,h,n)

示例

创建正方形结构元素

        创建一个 11×11 正方形结构元素。

SE = strel('square', 11)
SE = 
strel is a square shaped structuring element with properties:

      Neighborhood: [11x11 logical]
    Dimensionality: 2

创建线形结构元素

        创建一个长度为 10、45 度角的线形结构元素。

SE = strel('line', 10, 45)
SE = 
strel is a line shaped structuring element with properties:

      Neighborhood: [7x7 logical]
    Dimensionality: 2

查看该结构元素。

SE.Neighborhood
ans = 7x7 logical array

   0   0   0   0   0   0   1
   0   0   0   0   0   1   0
   0   0   0   0   1   0   0
   0   0   0   1   0   0   0
   0   0   1   0   0   0   0
   0   1   0   0   0   0   0
   1   0   0   0   0   0   0

创建盘形结构元素

        创建一个半径为 15 的盘形结构元素。

SE3 = strel('disk', 15)
SE3 = 
strel is a disk shaped structuring element with properties:

      Neighborhood: [29x29 logical]
    Dimensionality: 2

        显示盘形结构元素。

figure
imshow(SE3.Neighborhood)

如图所示:

创建三维球形结构元素

        创建一个半径为 15 的三维球形结构元素。

SE = strel('sphere', 15)
SE = 
strel is a sphere shaped structuring element with properties:

      Neighborhood: [31x31x31 logical]
    Dimensionality: 3

        显示该结构元素。

figure
isosurface(SE.Neighborhood)

如图所示:

参数说明

nhood — 邻域

        邻域,指定为任意维度的数值数组。nhood 的所有非零像素都属于形态学运算的邻域。nhood 的中心(或原点)是其中心元素,由 floor((size(nhood) + 1)/2) 给出。

r — 结构元素的半径

结构元素的半径,指定为正整数。

  • 对于盘形,r 是从原点到盘边的距离。

  • 对于菱形,r 是从结构元素原点到菱形各点的距离。

  • 对于八边形,r 是从结构元素原点到八边形边的距离,沿水平和垂直轴测量。r 必须为 3 的倍数。

  • 对于球面形状,r 是从原点到球面的距离。

n — 用于逼近形状的循环线条结构元素的数量

        用于逼近形状的循环线条结构元素的数量,指定为 0、4、6 或 8。当结构元素使用逼近 (n > 0) 时,使用盘形逼近的形态学运算的运行速度快得多。

n 的值行为
n > 0strel 使用包含 n 个循环线条形结构元素的序列来逼近形状。有时 strel 必须在逼近中使用两个额外的线条结构元素,在这种情况下,分解结构元素的实际数量是 n+2。
n = 0strel 不使用任何逼近。结构元素成员包括中心距原点不大于 r 的所有像素。

len — 线性结构元素的长度

        线性结构元素的长度,指定为正数。len 大约是线条两端的结构元素成员中心之间的距离。

deg — 线性结构元素的角度

        线性结构元素的角度,以度为单位,指定为数值标量。该角度是从水平轴按逆时针方向测量的。

[m n] — 矩形结构元素的大小

        矩形结构元素的大小,指定为由正整数组成的二元素向量。结构元素有 m 行和 n 列。

w — 正方形或立方体结构元素的宽度

        正方形或立方体结构元素的宽度,指定为正整数。

[m n p] — 立方体结构元素的大小

        立方体结构元素的大小,指定为由正整数组成的三元素向量。结构元素具有 m 行、n 列和 p 个平面。

属性

Neighborhood — 结构元素邻域

        结构元素邻域,指定为逻辑数组。

Dimensionality — 结构元素的维数

        结构元素的维数,指定为非负标量。

提示

  • 不使用逼近 (n = 0) 的结构元素不适合计算粒度。

算法

        对于所有几何形状,都使用统称为结构元素分解的一系列方法构造结构元素。其原理是:通过一些大的结构元素实现的膨胀可以通过用较小的结构元素序列实现的膨胀来更快地计算。例如,要实现 11×11 正方形结构元素的膨胀,可以首先用 1×11 结构元素进行膨胀,然后用 11×1 结构元素进行膨胀。这在理论上可使性能提高 5.5 倍,尽管实际上性能的提升要稍低于此值。用于 "disk" 形状的结构元素分解是一种逼近 - 所有其他分解都是精确的。

参考

[1] van den Boomgard, R, and R. van Balen, "Methods for Fast Morphological Image Transforms Using Bitmapped Images," Computer Vision, Graphics, and Image Processing: Graphical Models and Image Processing, Vol. 54, Number 3, pp. 252–254, May 1992.

[2] Adams, R., "Radial Decomposition of Discs and Spheres," Computer Vision, Graphics, and Image Processing: Graphical Models and Image Processing, Vol. 55, Number 5, pp. 325–332, September 1993.

[3] Jones, R., and P. Soille, "Periodic lines: Definition, cascades, and application to granulometrie," Pattern Recognition Letters, Vol. 17, pp. 1057–1063, 1996.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1480317.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

BUUCTF AWD-Test1

打开靶场是这个有些简陋的界面。 随便点点,找到这个东西。 看到ThinkPHP,思路瞬间清晰,老熟人了。这个就是ThinkPHP漏洞。根据版本我们去找一下poc。 /index.php/?sIndex/\think\View/display&content%22%3C?%3E%3C?php%20phpinfo();…

Git工具Clone项目报错:OpenSSL SSL_read: SSL_ERROR_SYSCALL, errno 10054

目录 问题现象: 解决方法: 问题现象: 今天在项目中使用git工具clone远程库的项目地址时,遇到了如下报错,导致无法克隆项目代码到本地: OpenSSL SSL_read: SSL_ERROR_SYSCALL, errno 10054 解决方法&#…

【从Python基础到深度学习】9.Python 语法基础

一、常量与变量 常量:程序中使用的具体的数、字符。在运行过程中,值无法更改 变量:表示一一个存储单元,其中存储的值可以修改 如:a5,b6 变量命名: 1、只能包含字母、数字、下划线 2、只能以字母、下划线开头 3、不要使用关键字作为变量名称 …

浅谈mysql mvcc

目录 前言 mvcc 是如何工作的? 数据的更新 前言 mvcc 与一个事物的隔离级别有关,未提交读永远读的是当前值,串行化是通过加锁实现,这两种隔离级别都与mvcc 没有任何关系。只要一提到mvcc应该想到的是读提交以及可重复读&#…

【YOLO系列】YOLOv9论文超详细解读(翻译 +学习笔记)

前言 时隔一年,YOLOv8还没捂热,YOLO系列最新版本——YOLOv9 终于闪亮登场! YOLOv9的一作和v7一样。v4也有他。 他于2017年获得台湾省National Central University计算机科学与信息工程博士学位,现在就职于该省Academia Sinica的…

vue3+ts+vite使用mock数据

安装以下命令 npm i vite-plugin-mock --save-dev npm i mockjs --save-dev 在根路径下创建mock文件夹 mock\user.ts const menuList [{path: /system,component: Layout,name: system,meta: {title: 系统管理,icon: Setting,roles: [sys:manage]},children: [{path: /depar…

曾桂华:车载座舱音频体验探究与思考| 演讲嘉宾公布

智能车载音频 I 分论坛将于3月27日同期举办! 我们正站在一个前所未有的科技革新的交汇点上,重塑我们出行体验的变革正在悄然发生。当人工智能的磅礴力量与车载音频相交融,智慧、便捷与未来的探索之旅正式扬帆起航。 在驾驶的旅途中&#xff0…

卷积神经网络基本概念补充

卷积(convolution)、通道(channel) 卷积核大小一般为奇数,有中心像素点,便于定位卷积核。 步长(stride)、填充(padding) 卷积核移动的步长(stride…

【Qt学习】QLCDNumber的介绍与实例使用(倒计时功能)

文章目录 1. 介绍2. 实例 - QLCDNumber倒计时3. 资源文件 1. 介绍 QLCDNumber是Qt框架中用于显示数字的控件,它模拟了一个液晶数字显示屏。 在Designer界面中显示如下: 有以下 常用属性: 属性描述intValue获取或设置QLCDNumber显示的整数…

前端架构: 脚手架包管理工具之lerna的全流程开发教程

Lerna 1 )文档 Lerna 文档 https://www.npmjs.com/package/lernahttps://lerna.js.org [请直达这个链接] 使用 Lerna 帮助我们做包管理,并不复杂,中间常用的命令并不是很多这里是命令直达:https://lerna.js.org/docs/api-referen…

nodejs配置环境变量后不生效(‘node‘ 不是内部或外部命令,也不是可运行的程序或批处理文件)

一、在我们安装Node.js后,有时候会遇到node命令不管用的情况,关键是在安装时候已经添加配置了环境变量,向下面这样 但是还是不管用,这是因为环境变量配置不正确,权重不够,或者是命令冲突导致,解…

SpringCloud搭建微服务之Consul服务配置

1. 概述 前面有介绍过Consul既可以用于服务注册和发现,也可以用于服务配置,本文主要介绍如何使用Consul实现微服务的配置中心,有需要了解如何安装Consul的小伙伴,请查阅SpringCloud搭建微服务之Consul服务注册与发现 &#xff0c…

人工智能驱动的自拍时代:短视频美颜SDK技术的发展趋势

在短视频自拍的过程中,美颜技术的应用已经成为了许多人的必备工具,其中短视频美颜SDK技术的发展更是推动了自拍时代的进步。 1.人工智能技术的崛起 传统的美颜功能主要是通过简单的图像处理和滤镜效果来实现,但是这种方法往往会导致照片失真…

鉴源论坛 · 观辙丨TLS协议基本原理与Wireshark分析

作者 | 苏少博 上海控安可信软件创新研究院汽车网络安全组 来源 | 鉴源实验室 社群 | 添加微信号“TICPShanghai”加入“上海控安51fusa安全社区” 01 背 景 随着车联网的迅猛发展,汽车已经不再是传统的机械交通工具,而是智能化、互联化的移动终端。然…

YOLOv9有效改进专栏汇总|未来更新卷积、主干、检测头注意力机制、特征融合方式等创新!

YOLOv9有效改进专栏! 专栏介绍 YOLOv9作为最新的YOLO系列模型,对于做目标检测的同学是必不可少的。本专栏将针对2024年最新推出的YOLOv9检测模型,使用当前流行和较新的模块进行该进。本专栏于2024年2月29日晚创建,预计四月底前加入…

Python中reduce函数和lambda表达式的学习

reduce函数将一个数据集合(链表,元组等)中的所有数据进行下列操作:用传给 reduce 中的函数 function(有两个参数)先对集合中的第 1、2 个元素进行操作,得到的结果再与第三个数据用 function 函数…

HTTPS证书怎么申请?多少钱?

HTTPS证书的申请费用会因多种因素而异,主要包括以下几点: 1. 证书类型: - 域名验证型证书(DV SSL):这种证书仅验证域名的所有权,申请速度较快,通常用于个人网站或小型项目,价格相对较低&…

SpringCloud微服务-统一网关Gateway

统一网关Gateway 文章目录 统一网关Gateway1、为什么需要网关?2、gateway快速入门3、路由断言工厂Route Predicate Factory4、过滤器工厂-路由过滤器GatewayFilter5、全局过滤器**GlobalFilter**6、各种过滤器的执行顺序7、跨域问题的解决 1、为什么需要网关? 网关与各个服务…

JAVA 反序列化之 Apache Commons Collections 反序列化漏洞分析

Apache Commons Collections 反序列化漏洞是 2015 年影响重大的漏洞之一,同时也开启了各类 java 反序列漏洞的大门,这几年大量各类 java 反序列化漏洞不断出现。java 反序列化漏洞基本一出必高危,风险程度极大,最近研究了一些反序…

找工作的小伙伴有福利了

简历模块 资料说明 ✅内容:300多套简历模块,包含单页简历150套、双页简历15套、三页简历25套、四页简历50套、表格简历15套、自荐信20 套,封面简历、英文简历150 ✅文件格式:word ✅ 文件大小:449MB 资料文件展示 资…