如何在 MATLAB 中量化信号的空间分布答案

【问题标题】：How to quantify spatial distribution of signal in MATLAB如何在 MATLAB 中量化信号的空间分布
【发布时间】：2018-07-25 04:46:29
【问题描述】：

假设我有 2 个矩阵，它们代表 2D 空间中具有 1 和 0 的信号。

A = [1,1,0,0;1,1,0,0;1,1,0,0];
A =

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

B = [1,0,1,1;1,0,0,1;1,0,0,0];
B =
 1     0     1     1
 1     0     0     1
 1     0     0     0

矩阵 A 似乎对信号进行了聚类，而矩阵 B 则更加随机分布。我的目标是用这种方法识别图像中的噪声，它的结构应该比真实信号少得多。

有没有regionprops 函数可以做到这一点？还有其他建议吗？

到目前为止我的方法：

测量正片之间的距离（取平均值）
使用bwareafilt 检测最大的补丁。

【问题讨论】：

histograms 呢？
这将如何描述空间分布？
您还可以找到与二维矩阵相关的变异函数的“范围”。范围大表示空间自相关性强。
能否提供更多细节？

标签： matlab image-processing matrix signal-processing spatial

【解决方案1】：

我使用了一张黑白图像，其中黑色是文本，黑色是噪点。我只是在代码中强制进行像素检查。 想法是：

如果任何非白色像素被 5 个或更多白色（thr value>230）像素包围，则将其视为噪声并使其变为白色。

for k=1:num_you_like 
c=0; img_inp=img_final;

for i=2:(length(img_inp(:,1))-1)
    for j=2:(length(img_inp(1,:))-1)
if(img_final(i,j)<255)
    if (img_inp(i-1,j)>230)
        c=c+1;
    end
    if (img_inp(i+1,j)>230)
        c=c+1;
    end
    if (img_inp(i,j-1)>230)
        c=c+1;
    end
    if (img_inp(i,j+1)>230)
        c=c+1;
    end
    if (img_inp(i-1,j-1)>230)
        c=c+1;
    end
    if (img_inp(i-1,j+1)>230)
        c=c+1;
    end
    if (img_inp(i+1,j-1)>230)
        c=c+1;
    end
    if (img_inp(i+1,j+1)>230)
        c=c+1;
    end
    if c>5
      img_final(i,j)=255;
    end
    c=0;
end
end
end

对于不同的白色阈值（这里我取了 230）和不同的迭代，你可以尝试看看变化。虽然这只是我图像中的一个观察结果，但我觉得你的矩阵是黑色的簇和一些随机的白色......

如果我们知道图像是什么样的，那么回答会更容易，也许可以添加您的问题，并评论答案的有用性。

【讨论】：

【解决方案2】：

这可能是一种幼稚的方法，但是考虑将二进制矩阵与其翻转版本相乘怎么样：

d = ( A .* flipud(fliplr(A)) ) / numel(A);

如果1 和0 是随机分布的，那么您拥有1x1 或1x0 的机会是一样多的。如果数据更集中，1x0 更有可能更普遍。所以随机分布的数据会有d接近0.5

翻转可能并非在所有情况下都有效，例如：

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

但是您可以针对不同的滞后执行circshift ... 如果所有滞后平均接近 0.5，则 1 和 0 很可能是随机分布的。

你的问题让我想到了评估你的二进制数据的熵，这是我遇到的关于 stackexchange 的类似问题，可能会提供更多想法：

https://stats.stackexchange.com/questions/17109/measuring-entropy-information-patterns-of-a-2d-binary-matrix

【讨论】：