本文介绍了如何使用MATLAB实现基于Rényi熵的图像最佳二值化阈值寻找。Rényi熵是香农熵的推广形式，公式中涉及的概率与香农熵相同。在q=1时，它退化为香农熵。在图像处理中，通过计算前景和背景区域的Rényi熵来确定最佳阈值K，以达到良好的分割效果。代码实现中，作者选择了q=2作为阶数。
Renyi熵是对通常的香农熵的扩展，算是q阶广义熵。公式如下：
其中P和香农熵公式中的P一样，是概率。当q=1时公式退化为香农熵公式。（如何证明？看wiki吧）
有用此公式寻找图像最佳二值化阈值的。
首先定义前景区域A，背景区域B。
那么前景与背景区域像素相应的Renyi熵就如下定义：
其中k是当前取的灰度级，P(A)是像素在A区域的概率，P(B)类似。当然，这里说区域，不是指空间区域，是像素灰度级区域。
最后图像Renyi熵求最佳阈值定义如下：
这里得到的K就是分割阈值。
分割效果如下：
原图：
最低0.47元/天 解锁文章
扫一扫
474
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
