matlab医学光谱图像的，半圆光晕拟合和圆心和质心点的标记

% 读取图像 img = imread('1.jpg'); % 替换成实际的图像文件名 % 图像预处理 img_gray = rgb2gray(img); img_filtered = medfilt2(img_gray, [3, 3]); % 使用3x3的中值滤波器去除噪声 % figure(); % imshow(img_filtered) %二值化 threshold = 21; binaryImage = img_filtered > threshold; % figure(); % imshow(binaryImage); % 定义腐蚀和膨胀的结构元素 se = strel('square', 10); % 可以根据需要选择不同的结构元素 % 进行膨胀操作 dilatedImage = imdilate(binaryImage, se); % 显示膨胀后的图像 % figure() % imshow(dilatedImage); % title('膨胀后的图像'); % 进行腐蚀操作 se = strel('square', 3); erodedImage = imerode(dilatedImage, se); % 显示腐蚀后的图像 % figure() % imshow(erodedImage); % title('腐蚀后的图像'); % 去除小的物体，使用面积开运算 openedImg = bwareaopen(erodedImage, 150); figure(); imshow(openedImg); edgeImage1 = edge(openedImg, 'canny'); % figure() % imshow(edgeImage1) % 去除小的物体，使用面积开运算 openedImg1 = bwareaopen(edgeImage1, 100); % figure(); % imshow(openedImg1); % 定义腐蚀和膨胀的结构元素 se = strel('square', 3); % 可以根据需要选择不同的结构元素 % 进行膨胀操作 dilatedImage1 = imdilate(openedImg1, se); % 显示膨胀后的图像 % figure() % imshow(dilatedImage1); % 使用 regionprops 函数找到图像中的所有连通区域 stats = regionprops(openedImg, 'Centroid', 'Area'); % 设置一个合适的面积阈值来筛选实心白色半圆 area_threshold = 200; % 根据实际情况进行调整 % 提取实心白色半圆的质心 centroids = []; for i = 1:length(stats) if stats(i).Area > area_threshold centroids = [centroids; stats(i).Centroid]; end end % 在原图上标注实心白色半圆的质心 imshow(openedImg); hold on; plot(centroids(:, 1), centroids(:, 2), 'r+', 'MarkerSize', 10, 'LineWidth', 2); hold off; % 输出质心坐标数组 disp('质心坐标数组:'); for i = 1:size(centroids, 1) fprintf('x: %.2f, y: %.2f\n', centroids(i, 1), centroids(i, 2)); end % 1. 查找闭合线条 boundaries = bwboundaries(dilatedImage1); % 2. 对边界点进行聚类 min_dist = 20; % 设定边界点聚类的最小距离阈值 clusters = {}; for k = 1:length(boundaries) boundary = boundaries{k}; if isempty(clusters) clusters{1} = boundary; else added = false; for c = 1:length(clusters) dist = sqrt((clusters{c}(end,1) - boundary(1,1))^2 + (clusters{c}(end,2) - boundary(1,2))^2); if dist < min_dist clusters{c} = [clusters{c}; boundary]; added = true; break; end end if ~added clusters{end+1} = boundary; end end end % 3. 拟合相近的边界点为一个圆 circles = []; for c = 1:length(clusters) cluster = clusters{c}; % 将边界点拟合成一个圆 [center, radius] = fit_circle_to_points(cluster(:, 2), cluster(:, 1)); circles(c, :) = [center, radius]; end % 在原图上绘制拟合的圆和闭合线条的质心 figure; imshow(img); hold on; all_centers = []; for k = 1:size(circles, 1) center = circles(k, 1:2); radius = circles(k, 3); radius = abs(radius); % 将r转换为非负数 viscircles(center, radius, 'EdgeColor', 'y'); % 标注圆心 text(center(1), center(2), ['C', num2str(k)], 'Color', 'red', 'FontSize', 12); % 输出圆心坐标 disp(['圆心 C', num2str(k), ' 坐标：(', num2str(center(1)), ', ', num2str(center(2)), ')']); disp(['半径 C', num2str(k), ': ', num2str(radius)]); % 将圆心坐标存储到二维数组中 all_centers = [all_centers; center]; end hold off; % 计算 all_centers 数组与 centroids 数组中对应点之间的距离 distances = sqrt((all_centers(:, 1) - centroids(:, 1)).^2 + (all_centers(:, 2) - centroids(:, 2)).^2); % 输出对应点之间的距离 disp('对应点之间的距离:'); for i = 1:length(distances) fprintf('对应点 %d 的距离：%.2f\n', i, distances(i)); end