计算区域内部或外部的邻域

首先,创建图像

FirstImage = [
108 113 121 129 128 124 117 101
114 76  60  110 98  74  121 109
114 62  52  105 85  59  121 116
110 59  54  104 0   0   0   115
104 55  54  104 0   0   0   113
96  48  51  105 0   0   0   113
94  60  69  115 0   0   0   110
99  108 122 130 135 0   0   109
];

SecondImage = [
0   0   0   0   0   0
138 137 137 137 0   0
138 127 129 135 138 0
132 97  99  133 135 0
134 108 110 137 137 0
141 140 140 140 139 0
138 138 138 140 0   0
0   0   0   0   0   0
];

%使图像成为二进制并将其反转,使图像中的零为1.
%这是为了使其兼容bwtraceboundary

im = FirstImage == 0 ;

%找到符合要求的对象坐标 bwtraceboundary

objectCoord = find(im); 
[startRow,startCol]  = ind2sub(size(im),objectCoord(1) );  

%该find()函数逐列扫描矩阵,
因此我们知道它将从左上角开始并
逐列地向下工作%.因此,边界的某些部分必须
位于找到的第一个坐标的东边.这是找到
%起始坐标的一种方法

contour = bwtraceboundary(im,[startRow startCol],'E' ); 

%标记轮廓

contourimage = zeros(size(im));
contourind = sub2ind(size(contourimage),contour(:,1),contour(:,2))
contourimage(contourind) = 1;



contourimage =

  0     0     0     0     0     0     0     0
  0     0     0     0     0     0     0     0
  0     0     0     0     0     0     0     0
  0     0     0     0     1     1     1     0
  0     0     0     0     1     0     1     0
  0     0     0     0     1     0     1     0
  0     0     0     0     1     0     1     0
  0     0     0     0     0     1     1     0

%现在,这只会检测对象本身的边界.
%我们正在寻找最接近边界的非零值.
%若要获得最接近的非零值,
%将稀释应用于countour图像,
然后%将元素与原始图像相乘.
%计算非零值的平均值

%进行稀释

mask = bwmorph(contourimage,'dilate')

mask =

 0     0     0     0     0     0     0     0
 0     0     0     0     0     0     0     0
 0     0     0     1     1     1     1     1
 0     0     0     1     1     1     1     1
 0     0     0     1     1     1     1     1
 0     0     0     1     1     1     1     1
 0     0     0     1     1     1     1     1
 0     0     0     1     1     1     1     1

%mask与原始图像相乘,以元素为单位.
%对象本身将被清零,非零边界将保留.

A=mask.*FirstImage

A =

 0     0     0     0     0     0     0     0
 0     0     0     0     0     0     0     0
 0     0     0   105    85    59   121   116
 0     0     0   104     0     0     0   115
 0     0     0   104     0     0     0   113
 0     0     0   105     0     0     0   113
 0     0     0   115     0     0     0   110
 0     0     0   130   135     0     0   109

%然后计算平均值

mean(A(A>0))

ans =

108.6875