使用Matlab计算二值图像中的最小外接矩形

基于Posadas等人在Soil Sci上的研究，使用其方法计算二值图像的多重分形谱。

使用Matlab编写的小工具，用于计算二值图像的分形维度特征。

这个程序是在Matlab平台上编写的，用于优化二值图像的边缘。算法基于改进的Hildtich方法。

利用基于CNN的技术，对二值图像进行了边缘检测，实现代码在Matlab平台上完成。

该函数用于将二值图像的周长扩展一个像素。

本报告详细介绍了游程编码在Matlab中的实现算法，并探讨了其针对二值图像的适用性及实验结果。该编码方法展示了在处理二值化图像中的有效性。

在医学图像中，检测矩形标记是一项重要任务。本项目使用形态学开口和霍夫变换来自动识别医生标记的感兴趣区域。例如，在甲状腺超声图像中，周围的白色细框表示重要区域。尽管这些框的灰度通常是固定的，但背景干扰可能导致误判。因此，本项目提出了一种结合两种技术的方法，以有效识别和提取这些区域，减少手动处理的时间和误差。

该工具包包含三个主要函数： ap_finder.m: 确定二进制图像中粒子簇的面积和周长，并将结果存储在独立数组中。此函数主要用于创建分形粒子聚集体的面积-周长图。需要注意的是，周长是通过将每个方向上的簇扩展一个像素来确定的，而不是使用MATLAB默认程序。 conn_finder.m: 确定图像连接组件（即簇）的几个几何特征，例如平均簇面积、每个簇的质心坐标、每个簇的回转半径以及相关长度图像。 D_finder.m: 使用缩放/框计数方法计算图像中每个簇的Hausdorff分形维数。该方法包含简短的数学注释。

函数sizethre(im, s, mode)：输入二值图像矩阵im，其中0表示背景，1表示前景。参数s表示像素数，mode为字符串变量，可选'向上'或'向下'。当mode='向上'时，删除像素数大于s的区域；当mode='向下'时，删除像素数小于s的区域。输出imout为处理后的图像矩阵，保留面积较大（或较小，取决于mode）的前景区域，其余标记为背景。