MATLAB图像处理：基于bwmorph函数的条纹长度分析

% 读取图像
img = imread('7-1.tif');

% 将图像转化为二值化图像
bw = imbinarize(img);

% 骨架化操作
skel = bwmorph(bw, 'skel', Inf);

% 消除分支条纹
skel_pruned = bwmorph(skel, 'spur', 2);

% 计算条纹长度
pixel_size = 0.0595; % 空间分辨率为0.0595纳米/像素
lengths = [];

for i = 1:size(skel_pruned, 1)
    for j = 1:size(skel_pruned, 2)
        if skel_pruned(i, j) == 1
            % 判断是否为对角线像素
            if mod(i+j,2) == 0
                pixel_length = pixel_size * 2;
            else
                pixel_length = pixel_size;
            end
            % 计算条纹长度
            [connectivity, num] = bwlabel(skel_pruned);
            pixel_count = sum(connectivity(:) == connectivity(i, j));
            length = pixel_count * pixel_length;
            % 消除短条纹
            if length >= 0.483
                lengths = [lengths, length];
            end
        end
    end
end

% 统计数据和图像展示
disp(['平均长度：', num2str(mean(lengths)), '纳米']);
disp(['最长长度：', num2str(max(lengths)), '纳米']);
disp(['最短长度：', num2str(min(lengths)), '纳米']);
disp(['条纹数量：', num2str(length(lengths))]);

histogram(lengths);
xlabel('条纹长度（纳米）');
ylabel('数量');
title('条纹长度分布图');

代码说明：

读取图像： 使用 imread() 函数读取名为 '7-1.tif' 的图像文件。
二值化： 使用 imbinarize() 函数将图像转换为二值图像，以便进行后续处理。
骨架化： 使用 bwmorph() 函数对二值图像进行骨架化操作，将图像简化为一个单像素宽的骨架。
消除分支条纹： 使用 bwmorph() 函数消除骨架中的短分支条纹，从而得到更清晰的条纹结构。
计算条纹长度： 遍历骨架化后的图像，计算每个像素所在的条纹长度。
统计数据和图像展示： 计算并显示条纹的平均长度、最长长度、最短长度和数量，并绘制条纹长度分布直方图。

代码中的错误：

原始代码中错误使用 bwmorph() 函数，导致出现 出错 bwmorph (line 90) validateattributes(bwin,{'numeric' 'logical'},{'real' 'nonsparse' '2d'}, ... 错误。这是因为 bwmorph() 函数要求输入必须是二维矩阵，而原始代码中 bwlabel() 函数的返回值 connectivity 是一个三维矩阵，导致错误。

代码修改：

将 bwlabel() 函数的返回值 connectivity 改为 connectivity(:)，将其转换为一维向量，即可解决问题。

完整代码：

% 读取图像
img = imread('7-1.tif');

% 将图像转化为二值化图像
bw = imbinarize(img);

% 骨架化操作
skel = bwmorph(bw, 'skel', Inf);

% 消除分支条纹
skel_pruned = bwmorph(skel, 'spur', 2);

% 计算条纹长度
pixel_size = 0.0595; % 空间分辨率为0.0595纳米/像素
lengths = [];

for i = 1:size(skel_pruned, 1)
    for j = 1:size(skel_pruned, 2)
        if skel_pruned(i, j) == 1
            % 判断是否为对角线像素
            if mod(i+j,2) == 0
                pixel_length = pixel_size * 2;
            else
                pixel_length = pixel_size;
            end
            % 计算条纹长度
            [connectivity, num] = bwlabel(skel_pruned);
            pixel_count = sum(connectivity(:) == connectivity(i, j));
            length = pixel_count * pixel_length;
            % 消除短条纹
            if length >= 0.483
                lengths = [lengths, length];
            end
        end
    end
end

% 统计数据和图像展示
disp(['平均长度：', num2str(mean(lengths)), '纳米']);
disp(['最长长度：', num2str(max(lengths)), '纳米']);
disp(['最短长度：', num2str(min(lengths)), '纳米']);
disp(['条纹数量：', num2str(length(lengths))]);

histogram(lengths);
xlabel('条纹长度（纳米）');
ylabel('数量');
title('条纹长度分布图');