OTSU/otsu图像分割——MATLAB

OTSU/otsu图像分割——MATLAB

OTSU分割图像其实很简单啦,几行代码就OK啦
不过OTSU比较适合前景和背景像素值差距比较大的图像,如果图像复杂、细节多、近色的话,还是不建议用OTSU 的。
实例来一个就好啦
close all
clear
clc
I=imread(‘G:\图像处理与模式识别\lena.jpg’);
figure,imshow(I);
gray=rgb2gray(I);
level=graythresh(gray);
bw=im2bw(I,level);
figure,imshow(bw);
原图二值图

  • 4
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Otsu算法是一种基于像素灰度值的图像分割方法,主要用于将图像分为前景和背景两个部分。在Matlab中,可以使用以下代码实现Otsu阈值分割算法图像分割: ```matlab % 读取图像 img = imread('test.jpg'); % 将图像转换为灰度图像 gray_img = rgb2gray(img); % 计算图像的灰度直方图 histogram = imhist(gray_img); % 计算图像的总像素数 total_pixels = numel(gray_img); % 初始化最优阈值和最大类间方差 max_variance = 0; optimal_threshold = 0; % 遍历所有可能的阈值 for threshold = 1:256 % 计算前景和背景像素的数量 foreground_pixels = sum(histogram(threshold:256)); background_pixels = total_pixels - foreground_pixels; % 计算前景和背景像素的平均灰度值 foreground_mean = sum((threshold:256) .* histogram(threshold:256)) / foreground_pixels; background_mean = sum((1:threshold-1) .* histogram(1:threshold-1)) / background_pixels; % 计算类内方差 intra_class_variance = (foreground_pixels * background_pixels) * (foreground_mean - background_mean) ^ 2; % 更新最大类间方差和最优阈值 if intra_class_variance > max_variance max_variance = intra_class_variance; optimal_threshold = threshold; end end % 使用最优阈值进行图像分割 segmented_img = imbinarize(gray_img, optimal_threshold/255); % 显示原始图像和分割图像 figure; subplot(1,2,1); imshow(img); title('原始图像'); subplot(1,2,2); imshow(segmented_img); title('分割图像'); ``` 在上面的代码中,首先读取一个RGB图像,并将其转换为灰度图像。然后计算图像的灰度直方图,并遍历所有可能的阈值,计算每个阈值对应的前景和背景像素的数量、平均灰度值和类内方差。最后选择使类间方差最大的阈值进行图像分割,并显示原始图像和分割图像。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值