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!!