最大熵阈值分割算法



#include <opencv2\opencv.hpp>
#include <opencv\cv.h>
using namespace cv;
int HistogramBins = 256;  
float HistogramRange1[2]={0,255};  
float *HistogramRange[1]={&HistogramRange1[0]};  
typedef  
enum {back,object} entropy_state;  
  
int QueryHistValue_1D(CvHistogram* hist,int i)
{
	
	return 1;
}

double caculateCurrentEntropy(CvHistogram * Histogram1,int cur_threshold,entropy_state state)  
{  
    int start,end;  
    if(state == back)   {  
        start = 0;end = cur_threshold;    
    }  
    else    {  
        start = cur_threshold;end = 256;      
    }  
	
    int  total = 0;  
    for(int i=start;i<end;i++)   {  
        total += (int)cvQueryHistValue_1D(Histogram1,i);  
    }  
    double cur_entropy = 0.0;  
    for(int i=start;i<end;i++){  
        if((int)cvQueryHistValue_1D(Histogram1,i)==0)  
            continue;  
        double percentage = cvQueryHistValue_1D(Histogram1,i)/total;  
         cur_entropy += -percentage*logf(percentage);  
    }  
    return cur_entropy;  
}  
void  MaxEntropy(IplImage *src,IplImage *dst)  
{  
    assert(src != NULL);  
    assert(src->depth == 8 && dst->depth == 8);  
    assert(src->nChannels == 1);  
    CvHistogram * hist  = cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,HistogramRange);  
    cvCalcHist(&src,hist);  
    double maxentropy = -1.0;  
    int max_index = -1;  
    for(int i=0;i<HistogramBins;i++) {  
        double cur_entropy =   
            caculateCurrentEntropy(hist,i,object)+caculateCurrentEntropy(hist,i,back);  
        if(cur_entropy>maxentropy){  
            maxentropy = cur_entropy;  
            max_index = i;  
        }  
    }  
    cvThreshold(src,dst,(double)max_index,255,CV_THRESH_BINARY);  
    cvReleaseHist(&hist);  
}  
int _tmain(int argc, _TCHAR* argv[])  
{  
    IplImage* src; //声明IplImage指针  
    //载入图像  
    if(  
        (src = cvLoadImage( "d:/1.JPG",0))!= 0 )  
    {  
	cvShowImage("src",src);	
        cvNamedWindow( "Image", 1 );//创建窗口  
        IplImage* dst = cvCreateImage(cvGetSize(src),IPL_DEPTH_8U,1);  
        MaxEntropy(src,dst);  
        cvShowImage( "Image", dst );//显示图像  
        cvWaitKey(0); //等待按键  
        cvDestroyWindow( "Image" );//销毁窗口  
        cvReleaseImage( &src ); //释放图像  
        cvReleaseImage( &dst ); //释放图像  
        return 0;  
    }  
    return -1;  
}  

显示效果:



最大熵阈值分割算法是一种常用的图像分割方法,下面介绍如何使用 MATLAB 实现算法。 步骤1:读取图像 首先,使用 MATLAB 中的 imread 函数读取需要分割的图像,例如: ```matlab I = imread('lena.jpg'); ``` 步骤2:计算直方图 接下来,使用 MATLAB 中的 imhist 函数计算图像的直方图,例如: ```matlab [counts, ~] = imhist(I); ``` 步骤3:初始化参数 初始化最大熵、阈值和概率分布函数,例如: ```matlab max_entropy = 0; threshold = 0; p1 = 0; p2 = 0; ``` 步骤4:计算最大熵 在本步骤中,需要使用循环计算每个可能的阈值,并计算相应的熵值。具体实现如下: ```matlab for i = 1:255 % 计算概率分布函数 p1 = sum(counts(1:i)) / numel(I); p2 = sum(counts(i+1:end)) / numel(I); % 计算熵值 entropy = -p1*log2(p1) - p2*log2(p2); % 更新最大熵和阈值 if entropy > max_entropy max_entropy = entropy; threshold = i; end end ``` 步骤5:应用阈值 最后,使用 MATLAB 中的 imbinarize 函数将图像进行二值化处理,例如: ```matlab BW = imbinarize(I, threshold/255); ``` 完整代码示例: ```matlab I = imread('lena.jpg'); [counts, ~] = imhist(I); max_entropy = 0; threshold = 0; p1 = 0; p2 = 0; for i = 1:255 p1 = sum(counts(1:i)) / numel(I); p2 = sum(counts(i+1:end)) / numel(I); entropy = -p1*log2(p1) - p2*log2(p2); if entropy > max_entropy max_entropy = entropy; threshold = i; end end BW = imbinarize(I, threshold/255); imshow(BW); ``` 注意:该算法的效果依赖于图像的内容和质量,需要根据具体情况调整阈值。
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