Как создать маску или определить участок изображения на основе значения интенсивности?

Хорошо, я предполагаю, что красная линия линейна и ее значения можно однозначно отделить от остальной части изображения. Давайте сгенерируем некоторые тестовые данные...

[x,y] = meshgrid(-5:.2:5, -5:.2:5);
n = size(x,1)*size(x,2);
z = -0.2*(y-(0.2*x+1)).^2 + 5 + randn(size(x))*0.1;
figure
surf(x,y,z);

Этот скрипт генерирует поверхностную функцию. Его набор максимальных значений (x,y) может быть описан линейной функцией y = 0,2*x+1. Я добавил немного шума, чтобы сделать его более реалистичным.

Теперь мы выбираем все точки, где z меньше, скажем, 95 % от максимального значения. Поэтому можно использовать find. Позже мы хотим использовать одномерные данные, поэтому мы reshape все.

thresh = min(min(z)) + (max(max(z))-min(min(z)))*0.95;
mask = reshape(z > thresh,1,n);
idx = find(mask>0);
xvec = reshape(x,1,n);
yvec = reshape(y,1,n);

xvec и yvec теперь содержат координаты всех значений > thresh.

Последний шаг — сделать некоторый линейный полином по всем точкам.

pp = polyfit(xvec(idx),yvec(idx),1)

pp =

    0.1946    1.0134

Очевидно, это примерно коэффициенты y = 0,2 * x + 1, как и должно быть.

Я не знаю, работает ли это и с вашими данными, так как я сделал некоторые предположения. Пороговый уровень следует выбирать тщательно. Возможно, необходимо выполнить некоторую предварительную обработку для динамического определения этого уровня, если вы действительно хотите автоматически обрабатывать изображения. Также может быть более простой способ сделать это... но для меня этот был простым и не нуждался в каких-либо наборах инструментов.

Предполагая:

1. Есть только одна полоса для извлечения.
2. Он всегда имеет максимальные значения.
3. Это линейно.

Я могу принять мой предыдущий ответ и в этом случае с небольшими изменениями:

Во-первых, мы получаем распределение значений в матрице и ищем совокупность верхних значений, которую можно отличить от меньших значений. Это делается путем нахождения максимального значения x(i) на гистограмме, которое:

1. Является локальным максимумом (его бин выше, чем у x(i+1) и x(i-1))
2. Имеет больше значений над ним, чем внутри него (сумма высоты ячеек от x(i+1) до x(end) ‹ высота ячейки x):

Вот как это делается:

[h,x] = histcounts(figmat); % get the distribution of intesities
d = diff(fliplr(h)); % The diffrence in bin height from large x to small x
band_min_ind = find(cumsum(d)>size(figmat,2) & d<0, 1); % 1st bin that fit the conditions
flp_val = fliplr(x); % the value of x from large to small
band_min = flp_val(band_min_ind); % the value of x that fit the conditions

Теперь продолжаем как раньше. Замаскируйте все нежелательные значения, интерполируйте линейную линию:

mA = figmat>band_min; % mask all values below the top value mode
[y1,x1] = find(mA,1); % find the first nonzero row 
[y2,x2] = find(mA,1,'last'); % find the last nonzero row
m = (y1-y2)/(x1-x2); % the line slope
n = y1-m*x1; % the intercept
f_line = @(x) m.*x+n; % the line function

И если мы нанесем это, мы увидим красную линию, где была полоса для обнаружения:

thick = max(sum(mA)); % mode thickness of the line
tmp = (1:thick)-ceil(thick/2); % helper vector for expanding
rows = bsxfun(@plus,tmp.',floor(f_line(1:size(A,2)))); % all the rows for each column
rows(rows<1) = 1; % make sure to not get out of range
rows(rows>size(A,1)) = size(A,1); % make sure to not get out of range
inds = sub2ind(size(A),rows,repmat(1:size(A,2),thick,1)); % convert to linear indecies
mA(inds) = true; % add the interpolation to the mask
result = figmat.*mA; % apply the mask on figmat

imagesc(result(any(result,2),:))