mat2gray对多阈值的影响

Question

我不明白为什么在 "original" 双像上使用 multithresh 获得的分割与在 mat2gray 缩放的同一图像上使用相同参数获得的分割不同。

例如：

testimage = randi(100,[200 200]);
figure;imagesc(testimage)


threshs = multithresh(testimage,5);
l0 = imquantize(testimage,threshs);

threshs = multithresh(mat2gray(testimage),5);
l1 = imquantize(mat2gray(testimage),threshs);

在这里，在我的例子中，l1 与 l0 的区别在于 808 像素。为什么？ testimage 和 mat2gray(testimage) 中像素的相对差异应该是相等的，只是绝对差异发生了变化。这对 multithresh 有多重要？

Answer 1

您间接运行陷入浮动精度错误。如果我们稍微修改一下您的代码，只是为了可视化它

testimage = randi(100,[200 200]);
figure;imagesc(testimage)

gray_image=mat2gray(testimage);

threshs1 = multithresh(testimage,5);
l0 = imquantize(testimage,threshs1);

threshs2 = multithresh(gray_image,5);
l1 = imquantize(gray_image,threshs2);

%For this example
threshs1
%threshs1 =
%       17.6941    34.0000    50.6941    67.0000    83.6941

threshs2
%threshs2 =
%        0.1686     0.3333     0.5020     0.6667     0.8353

然后我们在两个原始矩阵中找到一个不一致的点

find(l0~=l1,1)
%ans =
%    67

testimage(67)
%ans =
%    34

gray_image(67)
%ans =
%    0.3333

这就是浮动精度发挥作用的地方

testimage(67)==threshs1(2)  % 34 == 34.0000
%ans =
%     1

gray_image(67)==threshs2(2) % 0.3333 == 0.3333
%ans =
%     0

1/3 的值未正确保存为二进制，see here for an explanation why、imquantize 必须将图像的值与 >= 或阈值进行比较类似的，它会在一种情况下通过而在另一种情况下会失败。

遗憾的是，我找不到修改代码以确保 l0 和 l1 在每种情况下都相等的简单方法。

mat2gray对多阈值的影响

Effect of mat2gray on multithresh

matlab

image-processing

cluster-analysis

image-segmentation