imbinarize函数用法详解与示例

一、函数概述

      众所周知，im2bw函数可以将灰度图像转换为二值图像。但MATLAB中还有一个imbinarize函数可以将灰度图像转换为二值图像。imbinarize函数是MATLAB图像处理工具箱中用于将灰度图像或体数据二值化的工具。它可以通过全局或自适应阈值方法将灰度图像转换为二值图像，便于后续的图像分析和处理。

imbinarize的基本用法：

BW = imbinarize(I)

BW = imbinarize(I,method)

BW = imbinarize(I,T)

BW = imbinarize(I,'adaptive',Name,Value)

• I：输入的二维灰度图像或三维灰度图像体。数据类型可以是single、double、int8、int16、int32、uint8、uint16、uint32。如果输入的是RGB图像，imbinarize会将其视为三维体灰度图像，而不会单独对每个通道进行二值化。
• method：指定二值化图像的方法，可以是'global'（默认）或'adaptive'。
• 因此，BW = imbinarize(I) 等价于BW=im2bw(I,graythresh(I))
• T：阈值，可以是指定为标量亮度值的全局图像阈值，也可以是指定为亮度值矩阵的局部自适应阈值。阈值应在范围[0, 1]内。
• Name,Value：用于控制自适应阈值的参数对组，如'Sensitivity'（敏感度因子）和'ForegroundPolarity'（前景极性）。
• BW：输出的二值图像，是一个与输入图像I大小相同的逻辑矩阵或逻辑数组。

二、参数详解

1.全局阈值方法

1.1默认情况下，imbinarize使用Otsu方法计算全局阈值。Otsu方法通过最小化阈值化后的黑白像素的类内方差来选择阈值。

1.2可以使用graythresh或otsuthresh函数预先计算全局阈值，然后传递给imbinarize函数。

2.自适应阈值方法

2.1自适应阈值方法根据局部像素统计进行阈值化。imbinarize使用像素邻域的局部均值强度计算每个像素的阈值。

2.2可以使用'Sensitivity'参数调整自适应阈值的敏感度因子。默认值为0.5，取值范围为[0, 1]。敏感度越高，越多的像素会被阈值化为前景。

2.3可以使用'ForegroundPolarity'参数指定前景极性。默认值为'bright'（前景比背景亮），可选值为'dark'（前景比背景暗）。

   

三、应用示例程序源代码及主要运行结果

   请使用imbinarize函数和其他有关图像处理函数对coins.png和rice.png函数进行背景分割。

1.程序源代码

clear all;

close all;

clc;

% 读取灰度图像

I = imread('coins.png');

% 使用全局阈值对图像进行二值化

BW = imbinarize(I);%等价于BW=im2bw(I,graythresh(I));

% 显示原始图像和二值图像

figure;

imshowpair(I, BW, 'montage');

title('原始图像和imbinarize处理后的图像');

BWfill=imfill(BW,'holes');

figure,imshow(BWfill);%孔洞填充

I2=imread('rice.png');

BW2=imbinarize(I2);%使用全局阈值分割

BW3=imbinarize(I2,'adaptive');%使用局部自适应阈值分割

figure,

subplot(1,3,1),imshow(I2),title('原始图像');

subplot(1,3,2),imshow(BW2),title('全局阈值分割后图像');       %对大米分割效果欠佳

subplot(1,3,3),imshow(BW3),title('局部自适应阈值分割后图像'); %对大米分割效果较好

RiceBW=bwareaopen(BW3,40);

figure,imshow(RiceBW);

1. 主要运行结果

四、结果与讨论

       由上可知，巧妙使用imbinarize函数可以较好地实现图像的快速分割，并减少代码行数。

       如果大家觉得本文对大家的学习和科研有所帮助，别忘了点赞和关注，欢迎转发，谢谢大家！