《基于matlab的数字图像处理之图像阈值分割算法研究》由会员分享，可在线阅读，更多相关《基于matlab的数字图像处理之图像阈值分割算法研究（9页珍藏版）》请在金锄头文库上搜索。
1、基于 Matlab 数字图像处理实践报告实践三: 图像阈值分割算法研究3.1.1 迭代法实践代码：clc;clear all;f=imread(cat.bmp);f=rgb2gray(f); f=im2double(f); T=0.5*(min(f(:)+max(f(:);done=false;while doneg=f=T;Tn=0.5*(mean(f(g)+mean(f(g);done=abs(T-Tn)=Tsum2=sum2+I(i,j); num2=num2+1; else sum1=sum1+I(i,j); num1=num1+1; end end end ave1=sum1/num
2、1; ave2=sum2/num2;d1=-1;d2=-1;for i=1:mfor j=1:nif I(i,j)=Td=(I(i,j)-ave2)2;if d2=-1d2=d;elsed2=d2+d;endelsed=(I(i,j)-ave1)2;if d1=-1d1=d;elsed1=d1+d;endendendendp1=num1/(m*n);p2=num2/(m*n);S=p1*d1+p2*d2;if(Smin=-1)Smin=S; elseif(S=ThI(i,j)=255;elseI(i,j)=0;endendendsubplot(122),imshow(I),title(阈值分割
3、算法研究-均匀性度量法);3.2.2 均匀性度量法实践截图：3.3.1 类间最大距离法实践代码：clc;clear all;I=imread(cat.bmp);I=rgb2gray(I);I=double(I);m,n=size(I);Smax=0;for T=0:255 sum1=0; num1=0; sum2=0; num2=0; for i=1:mfor j=1:nif I(i,j)=Tsum2=sum2+I(i,j); num2=num2+1; else sum1=sum1+I(i,j); num1=num1+1; end end end ave1=sum1/num1; ave2=su
4、m2/num2;S=(ave2-T)*(T-ave1)/(ave2-ave1)2;if(SSmax)Smax=S;Th=T;endendThsubplot(121),imshow(uint8(I),title(原图);for i=1:mfor j=1:nif I(i,j)=ThI(i,j)=255;elseI(i,j)=0;endendendsubplot(122),imshow(I),title(阈值分割算法研究-类间最大距离法);3.3.2 类间最大距离法实践截图：3.4.1 最大类内类间方差比法实践代码：clc;clear all;I=imread(cat.bmp);I=rgb2gray
5、(I);I=double(I);m,n=size(I);Smax=-1;for T=0:255sum1=0; num1=0; sum2=0; num2=0; for i=1:mfor j=1:nif I(i,j)=Tsum2=sum2+I(i,j); num2=num2+1; else sum1=sum1+I(i,j); num1=num1+1; end end endave1=sum1/num1; ave2=sum2/num2;ave=(sum1+sum2)/(m*n);d1=-1;d2=-1;for i=1:mfor j=1:nif I(i,j)=Td=(I(i,j)-ave2)2; if
6、 d2=-1d2=d;elsed2=d2+d;endelsed=(I(i,j)-ave1)2;if d1=-1d1=d;elsed1=d1+d;endendendendp1=num1/(m*n);p2=num2/(m*n);S1=p1*(ave1-ave)2+p2*(ave2-ave)2;S2=p1*d1+p2*d2;S=S1/S2;if SSmaxSmax=S;Th=T;endendThsubplot(121),imshow(uint8(I),title(原图);for i=1:mfor j=1:nif I(i,j)=ThI(i,j)=255;elseI(i,j)=0;endendendsu
7、bplot(122),imshow(I),title(阈值分割算法研究-最大类内类间方差比法);3.4.2 最大类内类间方差比法实践截图：3.5.1 最大熵法实践代码：clc;clear all;I=imread(cat.bmp);I=rgb2gray(I);subplot(121),imshow(I);title(原始图像);h=imhist(I); h1=h;len=length(h); m,n=size(I); h1=h1/(m*n); for i=1:(len-1)if h(i)=0P1=sum(h1(1:i);P2=sum(h1(i+1):len);else continue;end
8、H1(i)=-(sum(P1.*log(P1);H2(i)=-(sum(P2.*log(P2);H(i)=H1(i)+H2(i);endm1=max(H);Th=find(H=m1);Thfor i=1:mfor j=1:nif I(i,j)=ThI(i,j)=255;elseI(i,j)=0; endendendsubplot(122),imshow(I);title(阈值分割算法研究-最大熵法);3.5.2 最大熵法实践截图：3.6.1 局部阈值实践代码：clc;clear all;I=imread(cat.bmp);I=rgb2gray(I);I=im2double(I);subplot(121),imshow(I),title(原图); se=strel(disk,10);ft=imtophat(I,se);Th=graythresh(ft); ThG=im2bw(ft,Th); subplot(122),imshow(G),title(局部阈值);3.6.2 局部阈值实践截图：
