matlab实现全局图像分割

一.实验目的

1.图像二值化（阈值t）
2.实现简单直方图阈值分割或otsu图像分割算法，输出分割阈值。
3.对一张图片（文本图片或其他具有双峰直方图性质的图片）进行图像分割，用所写算法进行分割，分析处理结果（阈值是否合适，图像中哪些地方分割的不好，可能原因是什么）。

二.实验仪器

PC机，matlab

三.实验原理

图像分割就是指把图像分成各具特性（灰度、颜色、纹理）的区域，并提取出感兴趣目标的技术和过程。
1.基于灰度阈值化的图像分割
阈值化分割是一种广泛应用的分割技术，利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域(目标和背景)的组合，选取一个合适的阈值，以确定图像中每个像素点应该属于目标还是背景区域，将目标从背景中分离出来，从而产生相应的二值图像。

2.otsu图像分割算法
OTSU算法被称为最大类间方差法。该方法主要是通过寻找最佳阈值，进行前后背景分割。确定最佳阈值是通过使类间方差最大实现的，使类间方差最大的分割意味着错分概率最小。

四.实验完整代码

简单直方图阈值分割算法实现图像分割

采用图像的全局信息，既图像的灰度直方图，在图像中使用一个阈值，将图像分为两个区域，即目标对象和背景对象，图像的灰度阈值设置为常数。

% 简单直方图阈值分割
%1.读取图像
picture = imread('mine.png');  %读取使用图像
figure,imshow(picture);
%2.对图像进行灰度化处理
picture1 = rgb2gray(picture);      %对图像灰度化
%3.对图像元素求均值
T = mean2(picture1);
count = 0;  %起始数为0
i = T;
%4.进行阈值计算
while i > 0.5
    count = count + 1;
    g = picture1 > T;
    T1 = 0.5*(mean2(picture1(g)) + mean2(picture1(~g)));
    i = abs(T1-T);
    T = T1
end
%5.绘制图像
figure,imshow(picture1);          %绘制原图
figure,imhist(picture1);          %绘制图片的直方图
picture2 = im2bw(picture1,T/255);     
figure,imshow(picture2);          %绘制分割后的图像

五.实验结果

• 原图像
  
• 灰度图像
  
• 图像直方图
  
• 图像分割后的结果
  

六.实验结果分析与总结

从图1.3的直方图可以看出，选用的该图片具有明显的双峰性质，可以看出阈值大概在170左右，该算法得出的阈值在matlab的命令行窗口显示为：

如果改变阈值，阈值过小的结果为：

阈值过大的结果为：

可以看到，在图像分割的过程中，阈值不宜选择过大或过小，都会很大程度影响分割的效果，阈值太小则分割不完全，阈值太大则分割过多，因此在阈值分割的过程中，阈值的选择很重要，仅使用直方图不易确定出合适的阈值，在本次实验中，采用的是全局阈值法进行最后阈值的计算。
采用其他图片进行多次实验，总结出影响阈值分割的关键因素如下：
（1）直方图波峰之间的间隔
（2）图像的噪声情况
（3）目标物体和背景的相对尺度
（4）图像光源的均匀性
（5）图像反射的均匀性