在我的进度工作中，我必须检测寄生虫。我使用 HSV 发现了寄生虫，后来将其制成了灰色图像。现在我也做了边缘检测。我需要一些代码来告诉 MATLAB 找到最大的轮廓（寄生虫）并将该区域的其余部分设为黑色像素。
【问题讨论】：
标签： matlab image-processing contour pixels supervised-learning
这可能是一种方法 -
%// Read in image as binary
im = im2bw(imread('http://i.stack.imgur.com/a5Yi7.jpg'));
im = im(40:320,90:375); %// clear out the whitish border you have
figure, imshow(im), title('Original image')
%// Fill all contours to get us filled blobs and then select the biggest one
outer_blob = imfill(im,'holes');
figure, imshow(outer_blob), title('Filled Blobs')
%// Select the biggest blob that will correspond to the biggest contour
outer_blob = biggest_blob(outer_blob);
%// Get the biggest contour from the biggest filled blob
out = outer_blob & im;
figure, imshow(out), title('Final output: Biggest Contour')
基于bsxfun 的函数biggest_blob 是此处发布的其他答案使用regionprops 执行的替代方法。根据我的经验，我发现这种基于bsxfun 的技术比regionprops 更快。 Here are few benchmarks 在我之前的一个答案中比较这两种技术的运行时性能。
关联函数-
function out = biggest_blob(BW)
%// Find and labels blobs in the binary image BW
[L, num] = bwlabel(BW, 8);
%// Count of pixels in each blob, basically should give area of each blob
counts = sum(bsxfun(@eq,L(:),1:num));
%// Get the label(ind) cooresponding to blob with the maximum area
%// which would be the biggest blob
[~,ind] = max(counts);
%// Get only the logical mask of the biggest blob by comparing all labels
%// to the label(ind) of the biggest blob
out = (L==ind);
return;
调试图像 -
【讨论】：
bwlabel 和 bsxfun。另一种有效的方法。它不依赖于regionprops。 +1。
accumarray 与bsxfun 相比如何？可比？快点？慢一点？
bsxfun FTW！
histc 看起来很完美，因为这就是 histc 的用途（计数），这就是我们在这里所做的！
由于我的答案几乎都写出来了，所以无论如何我都会给你，但这个想法类似于@rayryeng 的答案。
基本上，我在调用regionprops 期间使用Perimeter 和PixelIdxList 标志，因此一旦使用imclearborder 删除图像边框，就会得到形成最大轮廓的像素的线性索引。
代码如下：
clc
clear
BW = imclearborder(im2bw(imread('http://i.stack.imgur.com/a5Yi7.jpg')));
S= regionprops(BW, 'Perimeter','PixelIdxList');
[~,idx] = max([S.Perimeter]);
Indices = S(idx).PixelIdxList;
NewIm = false(size(BW));
NewIm(Indices) = 1;
imshow(NewIm)
还有输出：
如您所见，有很多方法可以达到相同的效果哈哈。
【讨论】：
PixelIdxList。聪明的。它消除了我打的不必要的sub2ind 电话。 +1。
您可以通过填充每个轮廓围绕的孔来选择“最大”轮廓，找出哪个形状为您提供最大的区域，然后使用最大区域的位置并将其复制到最终图像。正如 Benoit_11 所建议的那样，使用 regionprops - 特别是 Area 和 PixelList 标志。像这样的：
im = imclearborder(im2bw(imread('http://i.stack.imgur.com/a5Yi7.jpg')));
im_fill = imfill(im, 'holes');
s = regionprops(im_fill, 'Area', 'PixelList');
[~,ind] = max([s.Area]);
pix = sub2ind(size(im), s(ind).PixelList(:,2), s(ind).PixelList(:,1));
out = zeros(size(im));
out(pix) = im(pix);
imshow(out);
第一行代码直接从 StackOverflow 读取图像。由于某种原因，该图像也是 RGB 图像，因此我通过im2bw 将其转换为二进制。图像周围还有一个白色边框。您很可能在figure 中打开了此图像并保存了图中的图像。我通过使用imclearborder 删除白色边框来摆脱这个问题。
接下来，我们需要填充轮廓包围的区域，所以使用imfill 和holes 标志。接下来，使用regionprops来分析图像中不同的填充对象——具体来说是Area以及填充图像中每个对象属于哪些像素。一旦我们获得这些属性，找到为您提供最大区域的填充轮廓，然后访问正确的regionprops 元素，提取属于对象的像素位置，然后使用这些并将像素复制到输出图像和显示结果。
我们得到：
或者，您可以使用 Perimeter 标志（如 Benoit_11 所建议的那样），并简单地找到对应于最大轮廓的最大周长。这仍然应该给你你想要的。因此，只需将第三行和第四行代码中的Area 标志替换为Perimeter，您仍然应该得到相同的结果。
【讨论】：
Perimeter 标志:) 做得好，当然+1。