如何根据矩阵值检测图像的一部分？
How to detect a portion of an image based upon the matrix values?
我在 Matlab（版本 R 2016b）中有一个简单的 pcolor 图，我已经上传了它，如下图所示。我只需要获取从最左角的中间延伸到最右角的 蓝色斜线 ，而无需对矩阵值进行硬编码。
例如：可以看到所需的斜率线的值大约在20[=33之间=] 到 45 从 pcolor 图。 （仅通过查看图表粗略猜测）
我在包含绘制值的 matrix named Slant 上应用以下代码。
load('Slant.mat');
Slant(Slant<20|Slant>50)=0;
pcolor(Slant); colormap(jet); shading interp; colorbar;
如您所见，我硬编码了我不想要的值。有什么方法可以检测某些矩阵值，同时使其余矩阵值等于零吗？
我使用了另一个小算法，从矩阵中取最大值的一半并将其设置为零。但这不适用于其他图像。
[maxvalue, row] = max(Slant);
max_m=max(maxvalue);
Slant(Slant>max_m/2)=0;
pcolor(Slant); colormap(jet); shading interp; colorbar;
思路：使用霍夫变换：
首先最好创建一个只有我们感兴趣的行和列的新矩阵。
为了应用 matlab 的内置 hough 我们必须创建一个二值图像：由于直线的值总是比其余的低，我们可以例如确定图片中亮度的最低四分位数（使用 quantile，并将这些设置为白色，其他所有设置为黑色。
然后为了找到直线，我们可以直接在那个黑白图像上使用hough。
这是另一个建议：
- 删除所有背景。
- 假设此 "line" 导致数据呈双峰分布（删除零后），找到较低的模式。
- 假设线的值总是低于背景，应用逻辑掩码将所有高于最小值 + 2nd_mode 的值设置为零，如下图所示（红色圆圈）：
这是它的工作原理：
A = Slant(any(Slant,2),:); % save in A only the nonzero data
现在我们 A 看起来像这样：
[y,x] = findpeaks(histcounts(A)); % find all the mode in the histogram of A
sorted_x = sortrows([x.' y.'],-2); % sort them by their hight in decendet order
mA = A<min(A(:))+sorted_x(2,1); % mask all values above the second mode
result = A.*mA; % apply the mask on A
我们得到 result:
生成的行中有一些空洞，因此您可能希望从结果中插入整行。这可以通过对索引进行简单的数学运算来完成：
[y1,x1] = find(mA,1); % find the first nonzero row
[y2,x2] = find(mA,1,'last'); % find the last nonzero row
m = (y1-y2)/(x1-x2); % the line slope
n = y1-m*x1; % the intercept
f_line = @(x) m.*x+n; % the line function
所以我们得到一个像这样的线函数f_line（下面的红色部分）：
现在我们想让这条线更粗，就像数据中的线一样，所以我们采用粗细的模式（通过计算每一列中的值，你可能想取 max 代替） , 并且 'expand' 这条线向两边减半：
thick = mode(sum(mA)); % mode thickness of the line
tmp = (1:thick)-ceil(thick/2); % helper vector for expanding
rows = bsxfun(@plus,tmp.',floor(f_line(1:size(A,2)))); % all the rows for each coloumn
rows(rows<1) = 1; % make sure to not get out of range
rows(rows>size(A,1)) = size(A,1); % make sure to not get out of range
inds = sub2ind(size(A),rows,repmat(1:size(A,2),thick,1)); % convert to linear indecies
mA(inds) = 1; % add the interpolation to the mask
result = A.*mA; % apply the mask on A
现在 result 看起来像这样：
我在 Matlab（版本 R 2016b）中有一个简单的 pcolor 图，我已经上传了它，如下图所示。我只需要获取从最左角的中间延伸到最右角的 蓝色斜线 ，而无需对矩阵值进行硬编码。
例如：可以看到所需的斜率线的值大约在20[=33之间=] 到 45 从 pcolor 图。 （仅通过查看图表粗略猜测）
我在包含绘制值的 matrix named Slant 上应用以下代码。
load('Slant.mat');
Slant(Slant<20|Slant>50)=0;
pcolor(Slant); colormap(jet); shading interp; colorbar;
如您所见，我硬编码了我不想要的值。有什么方法可以检测某些矩阵值，同时使其余矩阵值等于零吗？
我使用了另一个小算法，从矩阵中取最大值的一半并将其设置为零。但这不适用于其他图像。
[maxvalue, row] = max(Slant);
max_m=max(maxvalue);
Slant(Slant>max_m/2)=0;
pcolor(Slant); colormap(jet); shading interp; colorbar;
思路：使用霍夫变换：
首先最好创建一个只有我们感兴趣的行和列的新矩阵。
为了应用 matlab 的内置 hough 我们必须创建一个二值图像：由于直线的值总是比其余的低，我们可以例如确定图片中亮度的最低四分位数（使用 quantile，并将这些设置为白色，其他所有设置为黑色。
然后为了找到直线，我们可以直接在那个黑白图像上使用hough。
这是另一个建议：
- 删除所有背景。
- 假设此 "line" 导致数据呈双峰分布（删除零后），找到较低的模式。
- 假设线的值总是低于背景，应用逻辑掩码将所有高于最小值 + 2nd_mode 的值设置为零，如下图所示（红色圆圈）：
这是它的工作原理：
A = Slant(any(Slant,2),:); % save in A only the nonzero data
现在我们 A 看起来像这样：
[y,x] = findpeaks(histcounts(A)); % find all the mode in the histogram of A
sorted_x = sortrows([x.' y.'],-2); % sort them by their hight in decendet order
mA = A<min(A(:))+sorted_x(2,1); % mask all values above the second mode
result = A.*mA; % apply the mask on A
我们得到 result:
生成的行中有一些空洞，因此您可能希望从结果中插入整行。这可以通过对索引进行简单的数学运算来完成：
[y1,x1] = find(mA,1); % find the first nonzero row
[y2,x2] = find(mA,1,'last'); % find the last nonzero row
m = (y1-y2)/(x1-x2); % the line slope
n = y1-m*x1; % the intercept
f_line = @(x) m.*x+n; % the line function
所以我们得到一个像这样的线函数f_line（下面的红色部分）：
现在我们想让这条线更粗，就像数据中的线一样，所以我们采用粗细的模式（通过计算每一列中的值，你可能想取 max 代替） , 并且 'expand' 这条线向两边减半：
thick = mode(sum(mA)); % mode thickness of the line
tmp = (1:thick)-ceil(thick/2); % helper vector for expanding
rows = bsxfun(@plus,tmp.',floor(f_line(1:size(A,2)))); % all the rows for each coloumn
rows(rows<1) = 1; % make sure to not get out of range
rows(rows>size(A,1)) = size(A,1); % make sure to not get out of range
inds = sub2ind(size(A),rows,repmat(1:size(A,2),thick,1)); % convert to linear indecies
mA(inds) = 1; % add the interpolation to the mask
result = A.*mA; % apply the mask on A
现在 result 看起来像这样：