otsu 双阈值图像分割

最新推荐文章于 2024-09-22 00:45:00 发布

Edeeen1

最新推荐文章于 2024-09-22 00:45:00 发布

阅读量6.9k

点赞数 7

分类专栏：图像处理文章标签： otsu 图像分割阈值处理

本文链接：https://blog.csdn.net/weixin_43124455/article/details/90740950

版权

本文介绍了Otsu双阈值图像分割的理论，并提供了MATLAB实现的代码示例，通过平滑滤波和灰度直方图进行图像处理，展示处理结果。

摘要由CSDN通过智能技术生成

otsu 双阈值算法图像分割

理论
MATLAB代码

理论

网上有很多博客都写了理论，但是很少有代码就算有也是opencv c++的代码
所以贴一个自己写的matlab版本
otsu理论的话，看冈萨雷斯的《数字图像处理》第10.3.6节多阈值处理
看完书，按照书上的理论来写的

MATLAB代码

otsu 双阈值函数：



function [t1,t2]=DoubleOtsuThresh(img)
%
%  Otsu 双阈值求解
%  输入 图像img，输出 最优阈值t1和t2(归一化,范围在[0,1])
%
%


BinsNum = 256;  
hist = imhist(img,BinsNum);   
p = hist / sum(hist);          % 直方图的概率密度函数
mG= sum(p .* (1:BinsNum)');     % 全局均值

P1 = cumsum(p);                 % 概率分布
m1 = cumsum(p .* (1:BinsNum)')./P1; % 256*1  每个阈值的前景平均灰度

% 根据算法理论，从k2+1累加到L-1，可以先倒着累加再翻转回来
P3= cumsum(flip(p));          
m3 = cumsum(flip(p) .* flip(1:BinsNum)')./P3;
P3=flip(P3);
P3=[P3(2:end) ;0];             %P3的索引用k2，则P3(1)实际上是从p(2)加到p(256)，所以要移动一个
                               %移动后也用不到P3<