montage

% 放大图像以放大形状 % 使用imdilate函数来扩展图像 % 形态扩展操作扩展或加厚图像中的前景对象 BW = zeros(9,10); BW(4:6,4:7) = 1; imshow(imresize(BW,40,'nearest')) % 创建一个结构元素与imdilate一起使用 % 要展开几何对象，通常需要创建与对象形状相同的结构元素 SE = strel('square',3); % 将输入图像和结构元素传递给imdilate % 向前景对象的所有边添加1 BW2 = imdilate(BW,SE); imshow(imresize(BW2,40,'nearest')) % 为了进行比较，创建一个不同形状的结构元素 % 使用新的结构元素扩展原始图像 SE2 = strel('diamond',1); BW3 = imdilate(BW,SE2); imshow(imresize(BW3,40,'nearest')) montage({BW,BW2,BW3}, 'Size', [3 1]); %% 腐蚀图像以去除细线条 % 使用imerode函数来腐蚀二进制图像 % 图像读取、显示图像 BW1 = imread('circbw.tif'); imshow(BW1) % 创建一个对角结构元素 SE = strel('arbitrary',eye(7)); % 腐蚀图像

1、什么是基于内容的图像检索 1、构建基于内容的图像检索系统步骤 （1）定义你的图像描述符： 在这个阶段你需要决定你想描述的图像的哪个方面。 你对图像的颜色感兴趣吗？ 图像中物体的形状？ 或者你想表征纹理？ （2）特征提取和索引您的数据集： 现在您已经定义了图像描述符，您的工作是将此图像描述符应用于数据集中的每个图像，从这些图像提取特征并将特征写入存储（例如，CSV文件，RDBMS ，Redis等），以便稍后可以比较它们的相似性。 此外，您需要考虑是否将使用任何专门的数据结构来促进更快的搜索。 （3）定义您的相似性度量： 我们现在有一个（可能是指数）特征向量的集合。 但你如何比较它们的相似性呢？ 常用选项包括欧几里得距离，余弦距离和 距离，但实际选择高度依赖于（1）数据集和（2）您提取的特征类型。 （4）搜索： 最后一步是执行实际搜索。 用户将向系统提交查询图像（例如从上传表单或通过移动应用程序），并且您的工作将（1）从该查询图像中提取特征，然后（2）应用您的相似性函数进行比较该查询的功能已针对已编入索引的功能。 从那里，你只需根据你的相似度函数返回最相关的结果。 2、CBIR和机器学习/图像分类有何不同 （1）机器学习包括使计算机完成诸如预测，分类，识别等智能人工任务的方法。此外，机器学习管理算法，使计算机能够执行这些智能任务 而不需要明确编程 。