【導(dǎo)讀】育機構(gòu)的學(xué)位或證書使用過的材料。與我一同工作的同志對本研。究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。本人授權(quán)青島農(nóng)業(yè)大學(xué)可以將本畢業(yè)論文（設(shè)計）。或掃描等復(fù)制手段保存和匯編本畢業(yè)論文（設(shè)計）。學(xué)術(shù)論文或成果時，單位署名為青島農(nóng)業(yè)大學(xué)。使得更高層的圖像分析和理解成為可能。因此，圖像分割多年來。后對所做工作進行總結(jié)。離、特征的提取和參數(shù)的測量將原始的圖像轉(zhuǎn)化為更抽象更緊湊的形式，

　　

【正文】 show(BW1)。 imwrite(BW1,39。D:\39。) 第三步（局部閾值）： clear。 img=imread(39。39。)。 subimg1=img(1:216,1:135)。 %將原圖像平均分為四個子圖像 subimg2=img(1:216,136:269)。 subimg3=img(217:431,1:135)。 subimg4=img(217:431,136:269)。 I=subimg1。 fxy = imhist(I, 256)。 %統(tǒng)計每個 灰度值的個數(shù) figure。 plot(fxy)。 %畫出灰度直方圖 [x,y]=size(I)。 b=double(I)。 zd=double(max(max(I))) % 求出圖象中最大的灰度 zx=double(min(min(I))) % 最小的灰度 T=double((zd+zx))/2。 % T 賦初值，為最大值和最小值的平均值 count=double(0)。 % 記錄幾次循環(huán) while 1 % 迭代最佳閾值分割算法 count=count+1。 S0=。 n0=。 %為計算灰度大于閾值的元素的灰度總值、個數(shù)賦值 S1=。 n1=。 %為計算灰度小于閾值的元素的灰度總值、個數(shù)賦值 for i=1:x for j=1:y if double(I(i,j))=T S1=S1+double(I(i,j))。 %大于閾域值圖像點灰度值累加 n1=n1+1。 %大于閾域值圖像點個數(shù)累加 else S0=S0+double(I(i,j))。 %小于閾域值圖像點灰度值累加 n0=n0+1。 %小于閥域值圖像點個數(shù)累加 end end end T0=S0/n0。 %求小于閥域值均值 T1=S1/n1。 %求大于閥域值均值 if abs(T((T0+T1)/2))%迭代至前后兩次閥域值相差幾乎為 0 時停止 break。 else T=(T0+T1)/2。 %在閾值 T 下，迭代閾值的計算過程 end end count %顯示運行次數(shù) T %顯示最佳閾值 算出 T bw1=im2bw(I,T/255)。 % 圖像在最佳閾值下二值化 I=subimg2。 fxy = imhist(I, 256)。 %統(tǒng)計每個灰度值的個數(shù) figure。 plot(fxy)。 %畫出灰度直方圖 [x,y]=size(I)。 b=double(I)。 zd=double(max(max(I))) % 求出圖象中最大的灰度 zx=double(min(min(I))) % 最小的灰度 T=double((zd+zx))/2。 % T 賦初值，為最大值和最小值的平均值 count=double(0)。 % 記錄幾次循環(huán) while 1 % 迭代最佳閾值分割算法 count=count+1。 S0=。 n0=。 %為計算灰度大于閾值的元素的灰度總值、個數(shù)賦值 S1=。 n1=。 %為計算灰度小于閾值的元素的灰度總值、個數(shù)賦值 for i=1:x for j=1:y if double(I(i,j))=T S1=S1+double(I(i,j))。 %大于閾域值圖像點灰度值累加 n1=n1+1。 %大于閾域值圖像點個數(shù)累加 else S0=S0+double(I(i,j))。 %小于閾域值圖像點灰度值累加 n0=n0+1。 %小于閥域值圖像點個數(shù)累加 end end end T0=S0/n0。 %求小于閥域值均值 T1=S1/n1。 %求大于閥域值均值 if abs(T((T0+T1)/2))%迭代至前后兩次閥域值相差幾乎為 0 時停止 break。 else T=(T0+T1)/2。 %在閾值 T 下，迭代閾值的計算過程 end end count %顯示運行次數(shù) T %顯示最佳閾值 算出 T bw2=im2bw(I,T/255)。 % 圖像在最佳閾值下二值化 I=subimg3。 fxy = imhist(I, 256)。 %統(tǒng)計每個灰度值的個數(shù) figure。plot(fxy)。 %畫出灰度直方圖 [x,y]=size(I)。 b=double(I)。 zd=double(max(max(I))) % 求出圖象中最大的灰度 zx=double(min(min(I))) % 最小的灰度 T=double((zd+zx))/2。 % T 賦初值，為最大值和最小值的平均值 count=double(0)。 % 記錄幾次循環(huán) while 1 % 迭代最佳閾值分割算法 count=count+1。 S0=。 n0=。 %為計算灰度大于閾值的元素的灰度總值、個數(shù)賦值 S1=。 n1=。 %為計算灰度小于閾值的元素的灰度總值、個數(shù)賦值 for i=1:x for j=1:y if double(I(i,j))=T S1=S1+double(I(i,j))。 %大于閾域值圖像點灰度值累加 n1=n1+1。 %大于閾域值圖像點個數(shù)累加 else S0=S0+double(I(i,j))。 %小于閾域值圖像點灰度值累加 n0=n0+1。 %小于閥域值圖像點個數(shù)累加 end end end T0=S0/n0。 %求小于閥域值均值 T1=S1/n1。 %求大于閥域值均值 if abs(T((T0+T1)/2)) %迭代至前后兩次閥域值相差幾乎為 0 時停止 break。 else T=(T0+T1)/2。 %在閾值 T 下，迭代閾值的計算過程 end end count %顯示運行次數(shù) T %顯示最佳閾值 算出 T bw3=im2bw(I,T/255)。 % 圖像在最佳閾值下二值化 I=subimg4。 fxy = imhist(I, 256)。 %統(tǒng)計每個灰度值的個數(shù) figure。 plot(fxy)。 %畫出灰度直方圖 [x,y]=size(I)。 b=double(I)。 zd=double(max(max(I))) % 求出圖象中最大的灰度 zx=double(min(min(I))) % 最小的灰度 T=double((zd+zx))/2。 % T 賦初值，為最大值和最小值的平均值 count=double(0)。 % 記錄幾次循環(huán) while 1 % 迭代最佳閾值分割算法 count=count+1。 S0=。 n0=。 %為計算灰度大于閾值的元素的灰度總值、個數(shù)賦值 S1=。 n1=。 %為計算灰度小于閾值的元素的灰度總值、個數(shù)賦值 for i=1:x for j=1:y if double(I(i,j))=T S1=S1+double(I(i,j))。 %大于閾域值圖像點灰度值累加 n1=n1+1。 %大于閾域值圖像點個數(shù)累加 else S0=S0+double(I(i,j))。 %小于閾域值圖像點灰度值累加 n0=n0+1。 %小于閥域值圖像點個數(shù)累加 end end end T0=S0/n0。 %求小于閥域值均值 T1=S1/n1。 %求大于閥域值均值 if abs(T((T0+T1)/2)) %迭代至前后兩次閥域值相差幾乎為 0 時停止 break。 else T=(T0+T1)/2。 %在閾值 T 下，迭代閾值的計算過程 end end count %顯示運行次數(shù) T %顯示最佳閾值 算出 T bw4=im2bw(I,T/255)。 % 圖像在最佳閾值下二值化 bw5=horzcat(bw1,bw2)。 %合并子圖像 bw6=horzcat(bw3,bw4)。 bw=vertcat(bw5,bw6)。 figure,imshow(bw),title(39。局部閾值化 39。)