读取图像 img = imread7-1tif; 将图像转为二值化矩阵 bw = im2bwimg; 骨架化操作 skel = bwmorphbw skel Inf; 消除分支条纹 skel_pruned = bwmorphskel spur 2; 计算条纹长度 pixel_size = 00595; 空间分辨率为00595纳米像素 lengths = ; for i = 1sizesk

以下是修改后的代码和解释：

% 读取图像 img = imread('7-1.tif');

% 将图像转为二值化矩阵 bw = im2bw(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 = 2:size(skel_pruned, 1)-1 % 修改1：限制 i 和 j 的取值范围，避免越界 for j = 2:size(skel_pruned, 2)-1 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, 8);
        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');

修改1：由于骨架化操作和消除分支条纹操作会使图像边缘产生一圈宽度为1的黑色像素，因此在计算条纹长度时，需要限制 i 和 j 的取值范围，避免越界。

修改2：在计算条纹长度时，需要先用 bwlabel 函数对骨架化后的图像进行连通域标记，找出当前像素所在的连通域，并计算连通域中的像素数量。

修改3：在计算条纹长度时，需判断当前像素是否为对角线像素。如果是，则条纹长度为空间分辨率的两倍；否则，条纹长度为空间分辨率的一倍。

修改4：为了消除短条纹，只有当条纹长度大于等于0.483纳米时，才将其加入长度数组 lengths 中。