Matlab：256个二进制矩阵到一个256级灰度图像

Question

我的一个过程产生 256 个二进制（逻辑）矩阵，一个用于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

我获得了一个包含 256 个二进制图像的单元阵列。如果该位置的源图像像素与二值图像的索引具有相同的级别，则这样的二值图像包含 1。

即。二值图像 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写代码:)

ps：我使用的是matlab R2010a学生版。

Answer 1

整个答案仅适用于original form of the question。

假设您可以将所有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为

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 (n x m x 256) 二值图像与包含灰度值 0...255 的 1 x 1 x 256 向量相乘。这将生成一个 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）它包含值 @987654326 @。所以现在你只需要对这个三维求和就可以得到n x m 图像。

更新

为了测试它是否正常工作，让我们先换一种方式：

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

我们现在可以应用我上面给出的解决方案

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

并验证我是否返回了原始图像：

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

给出1 (true) :-)。

更新 2

您现在提到您的二进制图像在一个单元格数组中，我假设binimg{1:256}，每个单元格包含一个 n x m 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在上面使用的 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，您可以使用将其转换为 3D 数组

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

使用上面使用的n 和m。如果您已经拥有size(binimg)==[1 256]，则无需进行内部重塑。所以总结一下，您需要使用您的单元格数组binimg 来计算3D 矩阵二进制图像，然后您可以使用它来计算您有兴趣使用我的答案开头的代码的newimage。

希望这会有所帮助...

Answer 2

你的代码做了什么...

我认为最好先了解一下您发布的代码实际上在做什么，因为存在一些不一致之处。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，其中您的灰度图像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，images loaded into MATLAB 将是 unsigned 8-bit integer type，这意味着灰度值将跨越 0 到 255 的范围。在这种情况下，您在 l = 256 时计算的最后一个二进制矩阵 bw 将始终包含全零。此外，您不会对灰度级别为 0 的像素进行任何处理。从后续处理中，我猜您有意忽略 0 的灰度值，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 所做的基本上是执行binary erosion operation。 bw 中的任何值为 1 的 0 作为其 8 个邻居之一将被设置为 0，从而导致岛的侵蚀（即尺寸缩小）。小岛将消失，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)};

  这就是您可能有一些误解的地方。首先，bl 中的矩阵不是 logical matrices。在您的示例中，函数 BWLABEL 将找到由 8 个连接的集群组成的集群。找到的第一个聚类将在输出图像中将其元素标记为 1，找到的第二个聚类将其元素标记为 2，依此类推。因此，矩阵将包含正整数值，其中 0 表示背景。

  其次，您打算将这些带标签的集群用于任何事情吗？您可能需要进行进一步的处理，您需要在给定的灰度强度级别识别单独的集群，但关于从bl 中的元素创建灰度图像，特定标签 value 是不必要。您只需要识别零值与非零值，因此如果您不使用 bl 其他任何值，我建议您只需将 be 的各个值保存在单元格数组中并使用它们重新创建灰度图片。

现在，进入答案...

一个非常简单的解决方案是使用函数CAT 将您的图像元胞数组连接成一个3-D 矩阵，然后使用函数MAX 查找沿第三维出现非零值的索引（对应于原始图像的灰度值）。对于给定的像素，如果在第三维上没有找到非零值（即全为零），那么我们可以假设像素值应该为 0。但是，MAX 返回的该像素的索引将默认为为1，所以你必须使用最大值作为逻辑索引将像素设置为0：

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

请注意，出于displaying 或saving 的目的，您可能需要将生成的图像grayImage 的类型更改为无符号的8 位整数类型，如下所示：

grayImage = uint8(grayImage);

Answer 3

最简单的解决方案是依次遍历每个逻辑矩阵，将其乘以相应的权重，然后累积到一个输出矩阵中，该矩阵将代表您的最终图像。