MATLAB中的直方图阈值处理

接下来着重强调介绍一下关于用MATLAB来进行直方图阈值处理的步骤：

图像直方图由于其计算代价较小，且具有图像平移、旋转、缩放不变性等众多优点，广泛地应用于图像处理的各个领域，特别是灰度图像的阈值分割、基于颜色的图像检索以及图像分类。

图像分割是图像识别的基础，对图像进行图像分割，将目标从背景区域中分离出，可以避免图像识别时在图像上进行盲目的搜索，大大提高图像识别的效率以及识别准确率。基于灰度直方图的阈值分割计算简单，适用于目标与背景分布于不同灰度范围的灰度图像，特别是遥感图像。

1、首先打开MATLAB软件，在其主界面的编辑器中写入下列代码：

I=imread('G:\MATLAB\bm.bmp');        %读取当前路径下的图片
I1=rgb2gray(I);
figure;
subplot(2,2,1);
imshow(I1);
title(' 灰度图像')
axis([50,250,50,200]);   %坐标轴的起始值
grid on;                       %显示网格线
axis on;                     %显示坐标系
[m,n]=size(I1);                            %测量图像尺寸参数
GK=zeros(1,256);                           %预创建存放灰度出现概率的向量
for k=0:255
     GK(k+1)=length(find(I1==k))/(m*n);    %计算每级灰度出现的概率，将其存入GK中相应位置
end
subplot(2,2,2),bar(0:255,GK,'g')                   %绘制直方图
title('灰度直方图')
xlabel('灰度值')
ylabel(' 出现概率')
I2=im2bw(I,150/255);  
subplot(2,2,3),imshow(I2);
title('阈值150的分割图像')
axis([50,250,50,200]);
grid on;                  %显示网格线
axis on;                  %显示坐标系
I3=im2bw(I,200/255);   %
subplot(2,2,4),imshow(I3);
title('阈值200的分割图像')
axis([50,250,50,200]);
grid on;                  %显示网格线
axis on;                  %显示坐标系

2、命名保存好后，直接点击运行，得到如下所示结果：

关于直方图阈值化的MATLAB实现就介绍完毕，请大家继续关注！！