圖像的閾值分割技術(shù)-全文預覽
【正文】 =1。 done=abs(TnewT)1。 i=0。)。 5 如果 |T2T1|T0，則退出， T2 即為所求的全局閾值：否則，將 T2 賦值給T1，重復步驟 2 到 5。 2 用 T1 分割圖像。 figure imshow(BW) MATLAB 提 供 graythresh 函數(shù)來自動獲取分割閾值， im2bw 功能是轉(zhuǎn)換圖像為二進制圖像 。)。 圖像的總平均灰度級為： 0C類像素所占面積的比例為： 1C 類像素所占面積的比例為： ?? ?? ?? 1 0C類像素的平均灰度為： ??? ? ??? /)()( kk 1C 類像素的平均灰度為： ??? ? ??? /)()( kk 其中， 則類間方差公式為： 22 )()()( ????? ???? ??????? k 令 k 從 0~L1 變化，計算在不同 k 值下的類間方差 )(k?? ，使得 )(k?? 最大時的那個 k 值就是所要求的最優(yōu)閾值。 （ a） 原圖 （ b）直方圖 圖 31 生成直方圖 最大類間方差法（ OTSU） 最大類間方差法又稱為 OTSU 算法，該算法是在灰度直方圖的基礎上用最小二乘法原理推導出來的，具有統(tǒng)計意義上的最佳分割閾值。)。兩峰之間的谷對應于物體邊緣附近相對較少數(shù)目的點。 直方圖技術(shù) 先作出圖像的灰度直方圖，若其直方圖呈雙峰且有明顯的谷底，則可以將谷底點所對應的灰度值作為閾值 T，然后根據(jù)該閾值進行分割就可以將目標從圖像中分割出來。由于用于每個像素 的門限取決于像素在子圖像中的位置，這類門限處理是自適應的。 (a) 原圖像 （ b） 已分割圖像 圖 21 全局閾值分割 武漢理工大學專業(yè)綜合課程設計說明書 4 自適應閾值 但是，在許多情況下，背景的灰度值并不是常數(shù)，物體和背景的對比度在圖像中也有變化，這時就要引入自適應閾值，一個在圖像中某一區(qū)域效果良好的閾值在其他區(qū)域卻可能效果很差。)。 圖 21 給出了利用全局閾值分割圖像的實例。比如說物體內(nèi)部灰度分布均勻一致，背景在另一個灰度級上也分布均勻，這時利用閾值可以將目標與背景分割得很好。常見的分割方法有閾值分割、邊緣檢測、邊緣跟蹤、區(qū)域分裂與合并等，如圖 11 所示。圖像分割算法一般是基于灰度的兩個性質(zhì)之一：不連續(xù)性和相似性。圖像處理的重要任務就是對圖像中的對象進行分析和理解。圖像分割的方法和種類有很多，有些分割運算可直接應用于任何圖像，而另一些只能適用于特殊類別的圖像。圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟，可以說，圖像分割結(jié)果的好壞直接影響對圖像的理解。 關(guān)鍵在：圖像分割， matlab，閾值分割
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1