image - 计算图像中每行的像素数

Question

对于一个项目，我需要找到图像中线条之间的点距。我想到的方法是将图像转换为二值图像，并计算每行中黑色背景的白色像素数。我附上了我的代码，只要这条线是完全笔直的，它就能很好地工作。

顺便说一句，这是将要分析的示例图像。我计划转换为二进制/运行线检测算法以找到线中两个绿色 strip 的边界，因为它们之间的距离很重要。

im = imread('http://i.imgur.com/lc8ESac.png'); %// Read image
imBinary = double(im2bw(im)); %// Just in case - Convert to binary, 
                              %// then make double for sum
histogram = sum(imBinary,2); %// Compute row-wise histograms
stem(1:size(imBinary,1), histogram); %// Plot this histogram
xlabel('Row number');
ylabel('White pixel count');
grid;
diffs = diff([0; histogram]);
threshold = 100; %// Define threshold here 
rows = find(diffs >= threshold);

此代码返回直方图，峰值之间的距离表示线条之间的间距。

为了纠正弯曲线的问题，我正在考虑使用一种方法来分析图像的列(比如 100 像素)，然后循环直到循环遍历整个图像(0-100 列，然后是 101-200直到图像的宽度)。

这里有我的伪代码:

for (loop through rows) 
    for (loop for coloumns) 
        count pixels at p(row, col) 
    end loop for columns 
    column counter = column counter - 1
    if column counter <= 0 then save the number of pixels counter and set column counter = 10
end row loop 

但是，作为一名 ChemE 专业的学生，​​编码并不是我的强项，我在循环方面非常吃力。

我只是希望能够将上述代码合并到这个循环中，这样它就可以将弯曲的线分成许多伪直线，以便能够计算“平均”或一系列离散线间距。

非常感谢!

Answer 1

我这辈子从来没有运行过 Matlab，所以我不能告诉你 Matlab 中的确切代码行......但是我可以告诉你如何一般地删除非水平线。

您只需将图像与水平方向的适当内核进行卷积，因此根据您的需要，内核将是:

0       0       0
0.33    0.33    0.33
0       0       0

因此基本上输出图像中的每个像素都成为其自身及其左右相邻像素的平均值。

开始图片

ImageMagick 命令:

convert lines.png -convolve "0,0,0,0.33,0.33,0.33,0,0,0" -threshold 99.99% horiz.jpg

结束图片

顺便说一句，你的线实际上是 5 像素粗，所以你可能需要运行更大的内核来删除它们，比如 9x9，其中所有系数都为零，除了中间(第 5 条)线，它们都是 1/9 (即 0.111)。

我使用 ImageMagick 通过以下命令将图像调整为单个像素宽的垂直列:

convert lines.png -resize 1x844! -threshold 50% txt:

它给出以下输出，显示您的白线距离顶部偏移 149,218,476 行。

...
0,144: (0,0,0)  #000000  black
0,145: (0,0,0)  #000000  black
0,146: (0,0,0)  #000000  black
0,147: (255,255,255)  #FFFFFF  white
0,148: (255,255,255)  #FFFFFF  white
0,149: (255,255,255)  #FFFFFF  white    <- Centre of your line
0,150: (255,255,255)  #FFFFFF  white
0,151: (255,255,255)  #FFFFFF  white
0,152: (0,0,0)  #000000  black
0,153: (0,0,0)  #000000  black
0,154: (0,0,0)  #000000  black
...
0,213: (0,0,0)  #000000  black
0,214: (0,0,0)  #000000  black
0,215: (0,0,0)  #000000  black
0,216: (255,255,255)  #FFFFFF  white
0,217: (255,255,255)  #FFFFFF  white
0,218: (255,255,255)  #FFFFFF  white    <- Centre of your line
0,219: (255,255,255)  #FFFFFF  white
0,220: (255,255,255)  #FFFFFF  white
0,221: (0,0,0)  #000000  black
0,222: (0,0,0)  #000000  black
0,223: (0,0,0)  #000000  black
...
0,471: (0,0,0)  #000000  black
0,472: (0,0,0)  #000000  black
0,473: (0,0,0)  #000000  black
0,474: (255,255,255)  #FFFFFF  white
0,475: (255,255,255)  #FFFFFF  white
0,476: (255,255,255)  #FFFFFF  white    <- Centre of your line
0,477: (255,255,255)  #FFFFFF  white
0,478: (255,255,255)  #FFFFFF  white
0,479: (0,0,0)  #000000  black
0,480: (0,0,0)  #000000  black
0,481: (0,0,0)  #000000  black
...

这是“squidged”图像 - 在红色背景上以便您可以看到它: