图像重心(或质心)计算是计算机视觉和图像处理领域
应用领域广泛:包括医疗,生物,动画,机器人等。
该文章通过灰度转换->二值化->质心计算
以下是代码中涉及的一些数学概念和公式:
-
灰度转换:
- 从RGB到灰度的转换通常是通过加权平均的方式完成的,公式如下: Igray=0.2989⋅R+0.5870⋅G+0.1140⋅BIgray=0.2989⋅R+0.5870⋅G+0.1140⋅B 这里 RR, GG, BB 分别是红、绿、蓝三个颜色通道的强度,IgrayIgray 是转换后的灰度值。
-
二值化:
-
imbinarize
函数会将灰度图像转换成二值图像,通常基于一个阈值 TT,如果像素值大于 TT 则设置为 1(白色),否则设置为 0(黑色)。这个过程可以用以下伪代码表示:if I_gray(x, y) > T then binaryImage(x, y) = 1; else binaryImage(x, y) = 0; end
-
阈值 TT 可以通过不同的算法自动计算,例如Otsu方法。
-
3.计算
代码示例
Matlab
clc
clear
image = imread('1.png');
grayImage = rgb2gray(image);
binaryImage = imbinarize(grayImage);
binaryImage = ~binaryImage;
stats = regionprops('table', binaryImage, 'Centroid', 'Area');
centroids = stats.Centroid;
areas = stats.Area;
% 选择面积最大的轮廓
[~, largestIdx] = max(areas);
centroid = centroids(largestIdx, :);
% 显示结果
figure;
imshow(image); % 显示原始图像
hold on;
plot(centroid(1), centroid(2), 'r*', 'MarkerSize', 10, 'LineWidth', 2); % 绘制重心
title('Detected Centroid');
hold off;
% 输出重心坐标
disp(['重心坐标: (', num2str(centroid(1)), ', ', num2str(centroid(2)), ')']);
实验测试