%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 灰度图阈值分割提取前后背景
% otsu法和一种改进的方法
% th为最终确定的阈值
% 2015.12.04 by小海添加注释
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
clear all;
clc;
I=imread('C:\Users\Administrator\Desktop\a.bmp');
%a=rgb2gray(I);
a=I;
figure;
imshow(a);
figure;
[n,xout]=hist(a(:),0:255); %n是落在该灰度值的个数,xout是中心点的刻度
bar(xout,n);
xlim([0 255]); %把x轴的范围设置在0-255之间
count=imhist(a); %统计的是图像上对应像素值的个数,是1-256的列向量
[m,n]=size(a); %m=768, n=1024 图像的列和行
count=count/(m*n); %归一化数据,概率百分比,每一个灰度级别的概率
%%%%%%%%%%%%%%%%%%%%%%%%%%
%方法11111111111111111111
% otsu法来求阈值分割图像
%%%%%%%%%%%%%%%%%%%%%%%%%%%
E=[]; %E是一个行向量,存储中间变量的值
for TH=1:1:256 %阈值从1开始计算
av0=0;
av1=0;
w0=sum(count(1:TH)); %统计 1~(阈值+1)处的总的概率和w0
w1 = 1 - w0;
%第一类 背景区域
for i=1:TH
av0= av0 + i*count(i); % 求背景区域的平均灰度值
end
u0 = av0/w0; %平均灰度值/背景的总概率
%第二类
for i=TH+1:256
av1= av1 + i*count(i); %这是一个计算前景均值的方法
end
u1 = av1/w1; %平均灰度值/背景的总概率
E(TH) = w0*w1*(u1-u0)*(u1-u0); %将两者的平均值相加
end
postion=find(E==max(E)); %找到E最大处的值的位置,这个位置就可以确定为阈值
th=postion;
%%%%%%%%%%%%%%%%%%%%%%%
%方法22222222222222222222
%不是otsu法,是一种新的方法
%%%%%%%%%%%%%%%%%%%%%%
% L=256;
% for i=1:L %找到开始的位置
% if count(i)~=0 %频数不等于0的地方开始
% st=i-1; %从小到大,找到第一个非零点st
% break;
% end
% end
% for j=L:-1:1 %找到结束的位置
% if count(j)~=0 %从最后开始L=256
% nd=j-1; %从后到前找到第一个非零点nd
% break;
% end
% end
% %曲线拟合 多项式拟合,
% cline=[st:nd]; %cline从st到nd,中间差值为1,是一个行向量,包含了非零点的数目
% p=polyfit(cline,count(st:nd)',5); %曲线拟合函数,cline作为一个横坐标值,count是一个包含频数的矩阵,对应着频数值,一阶直线拟合,二阶抛物线拟合,并非阶次越高越好,看拟合情况而定。
% %为什么对count进行一个转置,因为统计出来的频数count是一个列向量,转置成行向量
% y=polyval(p,cline); %多项式在每一个cline处的值y
% plot([1:256],count,'*r',cline,y); %画出拟合曲线图
% %[value,index]=max(y)
% IndMin=find(diff(sign(diff(y)))>0)+1; %极小值点
% IndMax=find(diff(sign(diff(y)))<0)+1; %极大值点
% f=count(st+1:nd+1);
%
% %%%%%%%%%%%%%%%%%
% %%%%%%% 计算阈值
% %%%%%%%%%%%%%%%%%
% E=[]; %E是一个行向量,存储中间变量的值
% for TH=st:1:nd-1 %阈值从非空的点开始计算 st=32
% av1=0;
% av2=0;
% pth=sum(count(1:TH+1)); %统计 1~(阈值+1)处的总的概率和w0
% %第一类 背景区域
% for i=0:TH
% av1=av1-count(i+1)/pth*log(count(i+1)/pth+0.00001); %这是一个计算背景均值的方法 求和 pi/w0*log(pi/w0+0.0001) 每一个点的概率除以第一类的总概率
% end
% %第二类
% for i=TH+1:L-1
% av2=av2-count(i+1)/(1-pth)*log(count(i+1)/(1-pth)+0.00001); %这是一个计算前景均值的方法
% end
% E(TH-st+1)=av1+av2; %将两者的平均值相加
% end
% postion=find(E==max(E)); %找到E最大处的值的位置,这个位置就可以确定为阈值
% th=st+postion-1;
%%%%%%%%%%%%%下面是根据阈值来分割图像
for i=1:m
for j=1:n
if a(i,j)>th
a(i,j)=255;
else
a(i,j)=0;
end
end
end
figure;
imshow(a)
otsu算法---matlab实现,和一种改进算法
最新推荐文章于 2024-05-18 21:15:57 发布