【图像分割】基于麻雀搜索算法SSA的Otsu多阈值图像分割(大津法)【Matlab代码#90】

---

【可更换其他算法，获取资源请见文章第5节：资源获取】

---

1. 基础麻雀搜索算法

略。

2. 多阈值Otsu原理

ostu方法使用最大化类间方差（intra-class variance, ICV）作为评价准则，利用对图像直方图的计算，可以得到最优的一组阈值组合。
ostu方法不仅适用于单阈值的情况，它可以扩展到多阈值。假设有k个分类，c1,c2,…,ck时，他们之间的类间方差定义为：

比如，k=3时，将原图像的灰度区间分为3个类，此时需要两个阈值，定义类间方差如下：

上面式子中，k1和k2为待确定的两个阈值，使得类间方差最大化的k1和k2就是最优的一组阈值。

对于多阈值的情况，可以采用群智能优化算法来寻找最优的阈值，本份代码利用麻雀搜索算法来寻找最优的阈值。

3. 部分代码展示

%% 清空环境
clc
clear 
close all


%%
img = imread('3.png');
%绘制原图
figure
imshow(img);
title('原图')

img_ori=rgb2gray(img);
img=rgb2gray(img);
figure
%灰度直方图
imhist(img)
title('灰度直方图')
%目标函数
fitness=@(X)OTSU(img,X);


%阈值个数，优化下边界，上边界，最大迭代次数，种群数量。
num_Threshold=3;
lb=0;
ub=255;
max_iter=100;
sizepop=30;

4. 仿真结果展示

5. 资源获取

可以获取完整代码资源。👇👇👇👀名片