【正文】 w(I)。title(39。%圖像的MSE、SNR、PSNR的計(jì)算　B=I。sum1=0。 end?！or i=1:M?！　nd。%計(jì)算峰值信噪比PSNR　　最大類間差法　tic。 　subplot(1,2,1)。)。 　L=256。 end end 　for i=L:1:1 if count(i)~=0 　　 nd=i1。 q=ndst。 %ua（i）是前i個(gè)像素的平均灰度值 　end。 [y,tp]=max(d)。 　　 end end 　end 　subplot(1,2,2)。)。)。b=double(B)?！　? sum1=sum1+(a(i,j)b(i,j))^2。%計(jì)算均方誤差MSE　　sum2=0?！? end。%計(jì)算信噪比SNRpsnrValue=10*log10(255^2/mseValue)。39。per39。imshow(x)。r=x。 title(39。ca39。cv39。 %三層分解　　reccof=struct(39。 nbcol=size(map,1)。mode39。deccof(2).cv/255,deccof(2).cd/255。)。imshow(am)。 　%找閾值 　　L=size(am,1)。 　　Pi=Count39。 　 w1=1w0。 　　 g=[g w0*w1*(mu0mu1)^2/(w1*(mu0mu)^2+w0*(mu1mu)^2)]。 　disp([39。 figure(1),subplot(2,2,4)。)。 　figure(3),imshow(u)?！oc。B=u?！　um1=0。 end?！or i=1:M?！nd。%計(jì)算峰值信噪比PSNR ?！nr=10*log10(P/mseValue)。 sum2=sum2+(a(i,j))^2。　mseValue=sum1/(M*N)。　 for j=1:N。　a=double(A)。39。小波分割圖像39。mode39。 　title(39。 T])。 T1=T。 　 mu1=sum(Pi(t+2:256).*(t+1:255))/w1。 　g=[]。 　　N=L*W。近似分量39。 　figure(1)。 　title(39。 %使用小波函數(shù)對(duì)圖像dx進(jìn)行二維小波變換　figure(2)。 　deccof(1).ca=xx。,[])。cd39。ch39。)。 %直方圖均衡化　subplot(2,2,2)。原圖39。 %x是像素色值，map是色譜figure(1)。haar39。 　tic。　P=sum2。 for j=1:N?！　nd。　　for i=1:M?！M,N]=size(A)?！?圖像的MSE、SNR、PSNR的計(jì)算　A=imread(39。 title(39。 　 for i=1:m 　　 for j=1:n if x(i,j)th 　 x(i,j)=0。 %w（i）是前i個(gè)像素的累加概率 　end。 　　for i=1:q 　 u=u+f(i)*(p+i1)。 　 end 　　end 　f=count(st+1:nd+1)。 　for i=1:L if count(i)~=0 st=i1。 　 [m,n]=size(x)。title(39。39。snrValue=10*log10(P/mseValue)?！　? sum2=sum2+(a(i,j))^2?！seValue=sum1/(M*N)?！　? for j=1:N。a=double(A)。)。39?！? else I(i,j)=0。原始圖像39。)。B=imhist(A)。A=I?！　?參考文獻(xiàn)　1. 翁璇，鄭小林，姜海 醫(yī)學(xué)圖像分割技術(shù)研究進(jìn)展 重慶大學(xué)生物工程學(xué)院10038868(2006)110037032. 趙志峰, 張尤賽 醫(yī)學(xué)圖像分割綜述 華東船舶工業(yè)學(xué)院10061088(2003) 03004306　　3. 邵立康，鄒飛平，遲權(quán)德，秦曉燕，丁厚本 一種基于直方圖的閾值分割算法 中國(guó)人民解放軍炮兵學(xué)院，合肥東方輻射公司10044140（2009）02006606 　　4. 汪海洋，潘德?tīng)t，夏德深 二維Otsu自適應(yīng)閾值選取算法的快速實(shí)現(xiàn) 自動(dòng)化學(xué)報(bào)2007 年9月第33卷第9期　5. 景曉軍, 蔡安妮, 孫景鰲 一種基于二維最大類間方差的圖像分割算法 通信學(xué)報(bào)2001年4月第22卷第4期　6. 姚宇華，嚴(yán)洪，蔣立正 基于局部最大方差分割的圖像二值化算法 微型電腦應(yīng)用2003年第l9卷第8期7. 曾萬(wàn)梅,吳慶憲,姜長(zhǎng)生 一種新的目標(biāo)圖像自適應(yīng)閾值分割算法 南京航空航天大學(xué)自動(dòng)化學(xué)院1671637X(2009)05002703　8. 潘秀琴,侯朝楨,楊國(guó)盛 一種新的基于連續(xù)小波變換的圖像分割算法 北京理工大學(xué)學(xué)報(bào)2001年12月第21卷第6 期　9. 聶祥飛 基于小波變換的圖像分割技術(shù)研究 重慶三峽學(xué)院10077022(2004) 13001003　　10. 劉海華，陳州徽，陳心浩，陳亞光 基于小波變換的多分辨率圖像分割 中南民族大學(xué)電信學(xué)院10028331（2006）0100500311. LI Yuee,LIU Qingfang The Application of Wavelet Transform to the Image Segmentation Journal of Shanxi University Taiyuan 03000612. WANG Na,PENG Qingyu,DENG Baoqing Background segmentation in medical image Chinese Journal of Medical Imaging Technology　13. 丁亮，張永平，張雪英 圖像分割方法及性能評(píng)價(jià)綜述 國(guó)際IT傳媒品牌軟件2010年第31卷第12期　　　　附 錄　　　雙峰法　　tic。感謝同組的同學(xué)對(duì)我的幫助，他們使我得到許多啟示。新的分割方法的研究主要以自動(dòng)、精確、快速、自適應(yīng)性和魯棒性等幾個(gè)方向作為研究目標(biāo)。該算法能得到較好的分割效果。小波交換是一種時(shí)一頻兩域的分析工具，具有良好的局部特性，可以在大尺度下抑制噪聲，小尺度下精確定位邊緣，解決了傳統(tǒng)的和經(jīng)典算法不能解決的問(wèn)題?！》抡孢^(guò)程中，通過(guò)選取合適的小波分解的層數(shù)，基本可以實(shí)現(xiàn)對(duì)較多圖像的多閾值分割，并且效果較好，達(dá)到了設(shè)計(jì)的目的。為了使直方圖便于選取最優(yōu)的閾值，本論文采取對(duì)直方圖進(jìn)行基于小波的多分辨率的分解，利用高層小波近似分量的特性，得到與原直方圖波形較為相符的分量系數(shù)。PSNR值越大，就代表失真越少。信噪比越大，說(shuō)明混在信號(hào)里的噪聲越小，信號(hào)質(zhì)量越好。峰與峰之間的谷點(diǎn)直接在大尺度下進(jìn)行，既克服了噪聲的影響，又有效的選取到最優(yōu)閾值?！?實(shí)驗(yàn)分析　　（a）小波分解　　　?。╞）小波分割 （c）傳統(tǒng)分割　圖410小波閾值分割 　　　傳統(tǒng)閾值分割與小波閾值分割方法的比較：一、全局二值化方法由于采用的是用一個(gè)固定門限值來(lái)分割，因此門限值的選取十分重要?！　》宓莫?dú)立性判斷是為了消除不能成為一類的那些峰，獨(dú)立峰應(yīng)滿足三個(gè)條件：　(1)應(yīng)具有一定的灰度范圍；　(2)應(yīng)具有一定峰下面積；　(3)應(yīng)具有一定的峰谷差。其方法為：在空間域中采用保護(hù)邊緣平滑方法平滑直方圖，它既能保留原直方圖基本變化特性，又能消除小峰的跳動(dòng)。這是一種介于頻域和時(shí)域的表示?！?直方圖分辨率的小波表示　設(shè)圖像的灰度范圍為0，1，2，…，N1，灰度值x(0xN1)對(duì)應(yīng)的像素為n0，則一幅圖像總像素為M：　　 （45）灰度值x出現(xiàn)的概率為：　　 （46）　　由上式可以建立該圖像的直方圖，它反映了該圖H(x)={P x，x=O，1，…，N1)上灰度分布的統(tǒng)計(jì)特性，是基于像素灰度的圖像分割方法的基礎(chǔ)。步驟如下：步驟1：預(yù)設(shè)分割區(qū)域?yàn)镸，分解級(jí)數(shù)，L為圖像最大灰度值；步驟2：小波分解曲線，得到，令j=0,。假定f表示為一幅圖像，g是圖像f中最大灰度，則直方圖表示為　 （41）　式中表示計(jì)數(shù)操作，是離散函數(shù)。給定直方圖，考慮其多分辨率小波分解表示的零交叉點(diǎn)和極值點(diǎn)來(lái)確定直方圖的峰值點(diǎn)和谷點(diǎn)。當(dāng)尺度2j減小時(shí)，信號(hào)的局部微小細(xì)節(jié)逐漸增多，因此，能夠檢測(cè)出各微小細(xì)節(jié)的灰度突變點(diǎn)；當(dāng)尺度2j增大時(shí)，信號(hào)的局部細(xì)節(jié)逐漸消失，而結(jié)構(gòu)較大的輪廓卻能清晰地反映出來(lái)，因而能檢測(cè)出該結(jié)構(gòu)較大的灰度突變點(diǎn)。利用小波變換多尺度特性實(shí)現(xiàn)對(duì)圖像的閾值分割?！　　　∮捎趫D像的直方圖可以看作是一維信號(hào)，而直方圖上的