将选取的连通域边缘显示在原图上

好的，以下是可以在原图上显示选取的连通域边缘的MATLAB代码：

% 读入原始图像
I = imread('D:\课设图片\1.jpg');

% 对图像进行二值化处理
I1 = im2bw(I, 0.6);

% 对二值化后的图像进行形态学处理
se = strel('disk', 5);
I2 = imclose(I1, se);
I3 = imopen(I2, se);
I4 = imopen(I3, se);

% 对处理后的图像进行连通域分析
L = bwlabel(I4);
STATS = regionprops(L, 'all');

% 筛选面积在1500到4800的连通域
for i = 1:length(STATS)
    if (STATS(i).Area < 1500 || STATS(i).Area > 4800)
        L(L == i) = 0;
    end
end

% 在原图上显示选取的连通域边缘
BW = edge(L, 'Canny');
RGB = imoverlay(I, BW, [1 0 0]);
imshow(RGB);

这段代码与前面提到的代码类似，只是最后使用edge函数生成选取的连通域边缘的二值图像，然后使用imoverlay函数将二值图像与原图叠加，将边缘显示为红色。这样，就可以在原图上清晰地看到选取的连通域边缘了。

相关问题

改进代码，直接在原图像显示所选连通域边缘

好的，我可以帮您修改代码，让它可以直接在原图像上显示所选连通域的边缘。以下是一份可能实现该功能的 MATLAB 代码：

% 读入原始图像
I = imread('D:\课设图片\1.jpg');

% 对图像进行二值化处理
I1 = im2bw(I, 0.6);

% 对二值化后的图像进行形态学处理
se = strel('disk', 5);
I2 = imclose(I1, se);
I3 = imopen(I2, se);
I4 = imopen(I3, se);

% 对处理后的图像进行连通域分析
L = bwlabel(I4);
STATS = regionprops(L, 'all');

% 选取面积在 2000 到 3800 之间的连通域，并在原图像中显示其边缘
S = size(I, 1) * (size(I, 2) * 0.85 - size(I, 2) / 10) * (size(I, 1) * 2 / 3 - size(I, 1) / 4);
figure;
imshow(I);
hold on;
for i = 1:length(STATS)
    area = STATS(i).ConvexArea;
    if area >= 2000 && area <= 3800
        bbox = STATS(i).BoundingBox;
        rectangle('Position', bbox, 'EdgeColor', 'r');
        boundary = bwtraceboundary(I4, [round(bbox(2)), round(bbox(1))], 'N');
        plot(boundary(:,2), boundary(:,1), 'g', 'LineWidth', 2);
    end
end
title('在原图像中显示选取的连通域边缘');

这份代码的主要修改是增加了 `bwtraceboundary` 命令，用于在原图像中显示所选连通域的边缘。另外，为了方便显示，将原图像和结果放在了一张图中。需要注意的是，这份代码中的特定面积范围是根据之前的回答中给出的信息来确定的，如果需要调整特定面积范围，可以修改代码中的 `area >= 2000 && area <= 3800` 条件语句。

% 读入原始图像 I = imread('D:\课设图片\1.jpg'); % 对图像进行二值化处理 I1 = im2bw(I, 0.6); % 对二值化后的图像进行形态学处理 se = strel('disk', 5); I2 = imclose(I1, se); I3 = imopen(I2, se); I4 = imopen(I3, se); % 对处理后的图像进行连通域分析 L = bwlabel(I4); STATS = regionprops(L, 'all'); % 筛选面积在1500到4800的连通域 for i = 1:length(STATS) if (STATS(i).Area < 1300 || STATS(i).Area > 3200) L(L == i) = 0; end end % 在原图上显示选取的连通域边缘 BW = edge(L, 'Canny'); RGB = imoverlay(I, BW, [1 0 0]); imshow(RGB);在此代码基础上消除原图噪声

好的，以下是可以基于原代码消除原图噪声的MATLAB代码：

% 读入原始图像
I = imread('D:\课设图片\1.jpg');

% 对图像进行灰度化处理
Igray = rgb2gray(I);

% 对灰度化后的图像进行中值滤波和高斯滤波
I1 = medfilt2(Igray, [5, 5]);
I2 = imgaussfilt(I1, 1.5);

% 对滤波后的图像进行二值化处理
I3 = imbinarize(I2, 'adaptive', 'Sensitivity', 0.6);

% 对二值化后的图像进行形态学处理
se = strel('disk', 5);
I4 = imclose(I3, se);
I5 = imopen(I4, se);
I6 = imopen(I5, se);

% 对处理后的图像进行连通域分析
L = bwlabel(I6);
STATS = regionprops(L, 'all');

% 筛选面积在1500到4800的连通域
for i = 1:length(STATS)
    if (STATS(i).Area < 1300 || STATS(i).Area > 3200)
        L(L == i) = 0;
    end
end

% 在原图上显示选取的连通域边缘
BW = edge(L, 'Canny');
RGB = imoverlay(I, BW, [1 0 0]);
imshow(RGB);

这段代码在原代码的基础上，对图像进行了灰度化处理和滤波处理，以消除原图的噪声。具体来说，使用rgb2gray函数将原图转换为灰度图像，然后对灰度图像进行中值滤波和高斯滤波，以平滑图像并消除噪声。接着，使用imbinarize函数对滤波后的图像进行二值化处理，然后继续进行形态学处理和连通域分析。最后，在原图上显示选取的连通域边缘，以便进行后续处理。