1.为全局阈值T选择一个初始估计值。
2.利用T分割图像,将产生两组像素:G1由灰度值大于T的所有像素组成,G2由所有小于等于T的像素组成。
3.对G1和G2的像素分别计算平均灰度值(均值)m1和m2.
4.计算出一个新的阈值:
T
=
1
2
(
m
1
+
m
2
)
T=\frac{1}{2}(m_1+m_2)
T=21(m1+m2)。
5.重复2到步骤4,直到连续迭代中的T值间的差小于一个预定义的参数
Δ
T
\Delta T
ΔT为止。
当与物体和背景相关的直方图模式间存在一个相当清晰的波谷时,这个简单的算法工作得很好。在速度是一个重要的情形下,参数 Δ T \Delta T ΔT用于控制迭代的次数。图像的平均灰度对于T来说是较好的初始选择。
这种方法的缺点也很明显,它仅能分割双峰明显的图像,对复杂图像并达不到很好的效果。