《基于最大类间、类内方差比法的图像分割》由会员分享，可在线阅读，更多相关《基于最大类间、类内方差比法的图像分割（18页珍藏版）》请在金锄头文库上搜索。
1、最大类间、类内方差比法进行图像分割最大类间、类内方差比法进行图像分割一、实验目的一、实验目的在理解均匀性图像分割算法的基础上，实现图像的分割，要求对灰度图像和彩色图像均进行实验， 并讨论该方法对何种情况下的图像有比较好的分割效果。二、实验要求二、实验要求建议采用 MATLAB 软件编程实现，核心程序不准调用 MATLAB 的图像处理函数。三、实验思路三、实验思路1、分割的基本原理：、分割的基本原理：由于最大类间、类内方差比法是基于图像灰度分布的阈值方法。数学模型如下：设原图像为 f(x,y),经过分割处理后的图像为 g(x,y),g(x,y)为二值图像，则有1 ( , )( , )0 ( ,
2、)f x yThg x yf x yTh（3-1）2、最大类间方差法与最大类间、类内方差比法的不同：、最大类间方差法与最大类间、类内方差比法的不同：最大类间方差法又叫大津法,简称 OTSU。 它是按图像的灰度特性,将图像分成背景和目标 2 部分。背景和目标之间的类间方差越大,说明构成图像的 2 部分的差别越大。它只需处理类间方差，在 Matlab中 grathresh()即为最大类间方差函数，用来寻找阈值。最大类间、类内方差比法是在最大类间方差法基础上的发展，在少部分教科书上可见。它是要处理类间方差与类内方差的比值，找到满足二者比值最大时的 Th，在 Matlab 没有此方法的工具函数。3、本
3、实验阈值、本实验阈值 Th 的确定方法：的确定方法：由于最大类间、 类内方差比法图像分割的核心是阈值Th的确定，即要处理类间方差和类内方差的比值，找出最大的比值，此时满足最大比值的 Th 即为所求。我们可以将所有类间、类内方差的比值放在一个矩阵中，然后使用 find 函数找出矩阵的最大值，对应的 Th 即为所求， 。4、本实验对不同图像的处理方法：4、本实验对不同图像的处理方法：针对灰度图像，笔者打算根据如下的实验步骤进行实验仿真；对于彩色图像，笔者打算分别将原图三通道提取出来，然后按照如下的实验步骤分别对单通道分割，然后对处理后的三个通道进行整合，得到新的分割图像。四、实验步骤四、实验步骤1
4、、给定一个初始阈值 Th=Th0，将图像分成 C1 和 C2 两类；2、分别按下列公式计算两类中的方差12 和22，灰度均值1 和2，以及图像的总体均值；灰度方差：22( , )( ( , )iii x ycf x yu(41)灰度均值：(,)1( ,)iii x yccfx yN(42)总体均值：111( ,)mnijimagef i jN (43)3、按下式计算两类在图像中的分布概率 p1 和 p2；1 1cim a g eNpN2 1cimageNpN(44)4、计算类间方差b2=和类内方差in2；222 1122()()bpp(45)222 1122inpp(46)5、 选择最佳阈值
5、Th=Th*， 使得图像按照该阈值分成 C1 和 C2 后，满足两者方差比最大：2 * 2max , binThTh(47)6、按下式对原图的像素进行变换*1 ( , )( , ) 0 ( , )f x yThg x yf x yTh(48)五、基于五、基于 MATLAB 的实验仿真的实验仿真1、应用于灰度图像分割代码、应用于灰度图像分割代码clear all;close all;a=imread(D:我的图片3.jpg);a=rgb2gray(a);figure;imshow(a);title(此为原图);a=double(a);m,n=size(a);th=zeros(1,254);%建立
6、一维零矩阵存放类间类内方差比的值；我们需要对灰度值从 1 到 254 遍历；for T=1:254s1=0;s2=0;c1=0;c2=0;q1=0;q2=0;for i=1:mfor j=1:nif(a(i,j)=T)s1=a(i,j)+s1;c1=c1+1;endif(a(i,j)=T)q1=(a(i,j)-u1)*(a(i,j)-u1)+q1;endif(a(i,j)=Th)b(i,j)=255;endif(a(i,j)=T)s1=R(i,j)+s1;c1=c1+1;endif(R(i,j)=T)q1=(R(i,j)-u1)*(R(i,j)-u1)+q1;endif(R(i,j)=Th1)
7、R(i,j)=255;endif(R(i,j)=T)s1=G(i,j)+s1;c1=c1+1;endif(G(i,j)=T)q1=(G(i,j)-u1)*(G(i,j)-u1)+q1;endif(G(i,j)=Th1)G(i,j)=255;endif(G(i,j)=T)s1=B(i,j)+s1;c1=c1+1;endif(B(i,j)=T)q1=(B(i,j)-u1)*(B(i,j)-u1)+q1;endif(B(i,j)=Th3)B(i,j)=255;endif(B(i,j)Th3)B(i,j)=0;endendendI(:,:,1)=R;I(:,:,2)=G;I(:,:,3)=B;figu
8、re;imshow(I);title(此为分割结果);六、实验运行示例：六、实验运行示例：原始彩色图像，亦为两个程序同一输入：1、针对灰度图像的实验结果1、针对灰度图像的实验结果2、针对原彩色图像的实验结果2、针对原彩色图像的实验结果对比两次试验我们发现，对于同一张彩色图片，将其按照本实验程序进行分割处理，再将原图转换为灰度图按照相同程序进行分割，二者有一定差别。其中，后者的处理效果明显好于前者，可以看出，前者的河流部分被覆盖严重，山脉的颜色差异也没有体现出来。故对彩色图片进行最大类间、类内差分比法分割的处理效果比灰度图片好。七、实验结论七、实验结论本实验达到了实验要求，完成了课程设计的任务。
9、本次课程设计我学会了很多东西。在实验初期我还对图像分割比较模糊， 对于最大类间方差法更是陌生，在我查资料后才明白最大方差法的提出背景，以及其在MATLAB图像处理中的应用。而对于最大类间、类内方差比法更是感到力不从心，因为这个方法基本是在图书馆找不到的。唯一出现的地方仅仅是课本上两页的论述，我才明白最大类间、类内方差比法是最大方差法基础上发展来的，是一种拓展。好歹通过请教与摸索，我完成了这个题目的matlab程序，通过实验我明白最大类间、类内差分比法更适合处理彩色图片。另外我希望最大类间、类内方差比法能够得到更多人的了解。备注：备注：本实验程序纯笔者手动编写，经验证能在 MATLAB 成功仿真，仿真环境为 MATLAB2014a win32 ,其余编译环境应该能出结果。代码仅供参考，笔者水平有限，错误难免，还望指正！
