图像处理之阈值分割[全局阈值、Otsu阈值和迭代式阈值分割]

一、阈值分割基本定义

阈值分割技术是最经典和流行的图像分割方法之一，也是最简单的一种图像分割方法。此技术关键在于寻找适当的灰度阈值，通常是根据图像的灰度直方图来选取。它是用一个或几个阈值将图像的灰度级分为几个部分，认为属于同一个部分的像素是同一个物体。它不仅可以极大的压缩数据量，而且也大大简化了图像信息的分析和处理步骤。阈值分割技术特别适用于目标和背景处于不同灰度级范围的图像。该方法的最大特点是计算简单，在重视运算效率的应用场合中得到了广泛的应用。

二、全局阈值分割

1、基本原理

可以通过全局的信息，例如整个图像的灰度直方图。如果在整个图像中只使用一个阈值，则这种方法叫做全局阈值法，整个图像分成两个区域，即目标对象( 黑色)和背景对象(白色)。全局阈值将整个图像的灰度阈值设置为常数。

对于物体和背景对比较明显的图像，其灰度直方图为双峰形状，可以选择两峰之间的波谷对应的像素值作为全局阙值，将图像分割为目标对象和背景。其公式如下：

其中f(x,y)为点(x,y)的像素值，g(x,y) 为分割后的图像，T为全局阈值，通常通过直方图来获取全局阈值。

2、matlab实现

（1）实现代码：

% 采用全局阈值对图像进行分割
close all;
clear all;
clc;I=imread('rice.png');
[width,height]=size(I);
for i=1:width      % 双重for循环逐个像素进行比较计算for j=1:heightif(I(i,j)>130)K(i,j)=1;% 将大于全局阈值的像素点置为1(白色)elseK(i,j)=0;% 将小于等于全局阈值的像素点置为0(黑色)endend
endsubplot(131),imshow(I);
title('原始图像');
subplot(132),imhist(I);
title('原始图像直方图');
subplot(133),imshow(K);
title('全局阈值分割后的图像');

（2）实现效果：

二、Otsu阈值分割

1、基本原理

最大类间方差法，又称为Otsu算法，该算法是在灰度直方图的基础上采用最小二乘法原理推导出来的，具有统计意义上的最佳分割。它的基本原理是以最佳阈值将图像的灰度值分割成两部分，使两部分之间的方差最大，即具有最大的分离性。

设f(x,)为图像IxN的位置(x,y)处的灰度值，灰度级为L，则f(x,y)属于[0,L-1].若灰度级i的所有像素个数为f，则第i级灰度出现的概率为：

将图像中的像素按灰度级用阈值t划分为两类，即背景C0和目标C1。背景CO的灰度级为0 ~ t-1，目标C1的灰度级为t ~ L-1。背景C0和目标C1对应的像素分别为：{f(x,y)<1}和{f(x,y)>=t}。

在MATLAB软件中，函数graythresh()采用Otsu算法获取全局阈值,获取全局阈值后，可以采用函数im2bw()进行图像分割。

2、matlab实现

（1）实现代码：

% 采用Ostu算法进行图像分割
close all;
clear all;
clc;
I=imread('coins.png');
I=im2double(I);
% 函数graythresh()采用Ostu算法获取图像(既可以是灰度也可以RGB)的最优阈值,调用格式为level=graythresh(I),level大小介于[0,1之间
T=graythresh(I);
J=im2bw(I,T);subplot(121),imshow(I);
title('原始图像');
subplot(122),imshow(J);
title('Otsu阈值分割后的图像');

（2）实现效果：

四、迭代式阈值分割

1、基本原理

迭代阈值法是阈值法图像分割中比较有效的方法，通过迭代的方法来求出分割的最佳阅值，具有一定的自适应性。迭代法阈值分割的步骤如下：

(1) 设定参数T0，并选择一个初始的估计阈值T1。

(2)用阈值T分割图像。将图像分成两部分: G1 是由灰度值大于T1的像素组成，G2是由灰度值小于或等于T1的像素组成。

(3)计算G1和G2中所有像素的平均灰度值u1和u2，以及新的阈值T2 =(u1+u2)/2。

(4)如果|T2-T1|<T0，则推出T2即为最优阈值；否则，将T2赋值给T1，并重复步骤(2) ~ (4) ，直到获取最优阈值。

2、matlab实现

（1）实现代码：

% 采用迭代式阈值进行图像分割
close all;
clear all;
clc;
I=imread('cameraman.tif');
I=im2double(I);
% 第一步:设置参数T0,并选择一个初始的估计阈值T1(取图像I像素值的最小值和最大值的平均值)
T0=0.01;
T1=(min(I(:))+max(I(:)))/2;
% 第二步：用阈值T1分割图像.将图像分成两部分:r1由灰度值大于T1的像素组成,r2是由灰度小于或等于T1的像素组成
r1=find(I>T1);% find函数返回素有非零元素的位置
r2=find(I<=T1);
% 第三步:计算r1和r2中所有像素的平均灰度值h1和h2以及新的阈值T2=(h1+h2)/2
T2=(mean(I(r1))+mean(I(r2)))/2;
% 第四步:若|T2-T1|<T0,则推出T2即为最优阈值;否则,将T2赋值给T1,并重复步骤2-4直到获取最优阈值
if abs(T2-T1)<T0J=imbinarize(I,T2);  % 使用imbinarize函数进行图像分割
elsewhile abs(T2-T1)>=T0T1=T2;r1=find(I>T1);r2=find(I<=T1);T2=(mean(I(r1))+mean(I(r2)))/2;endJ=imbinarize(I,T2);  % 使用imbinarize函数进行图像分割
endsubplot(121),imshow(I);
title('原始图像');
subplot(122),imshow(J);
title('迭代式阈值分割后的图像');

（2）实现效果：

注意：除了以上三种阈值分割方法，还有其他方法比如自适应阈值分割（局部阈值分割）、最大熵阈值分割等等。但是我发现自适应阈值分割和最大熵阈值分割基本都是用C++或Python实现，还没有找到合适的使用matlab实现的代码。如果以后有机会，再回来补充吧！

由于刚刚开始学习图像处理，对于很多知识理解不到位。如有错误，恳请指正，任重而道远，慢慢加油！

图像处理之阈值分割[全局阈值、Otsu阈值和迭代式阈值分割]相关推荐

图像分割——迭代式阈值分割
1.算法步骤: (1)预定义两阈值之差dt (2)选定初始阈值T0(一般为图像的平均灰度) (3)用T分割图像为G1.G2两组,G1由灰度值大于T的所有像素组成,G2由灰度值小于等于T的所有像素组成. ...
【医学图像处理】 2 灰度直方图、图像二值化（阈值分割）
文章目录 1 灰度直方图 1.1 直方图理解 1.2 直方图计算 1.3 直方图均衡化 1.3.1 全局均衡化 1.3.2 自适应(局部)均值化 2 图像二值化(阈值分割) 2.1 二值化理解 2.2 ...
图像分割 - 阈值处理 - 全局阈值处理
目录 1. 介绍 2. 代码实现 3. 代码讲解 1. 介绍当目标和背景像素的灰度分布非常不同的时候,可以对整个图像使用全局阈值在大多数的应用中,图像之间通常存在足够的变化,全局阈值是一种合适的办 ...
matlab大津法函数,matlab 大津阈值分割【相关词_ 大津法阈值分割matlab】
阈值法阈值分割程序 Otsu Thresholding 赞(0) 踩(0) 收藏(0) 说明:大津法实现图像阈值分割的matlab源程序代码 (Otsu Thresholding Image sou ...
【阈值分割】基于matlab遗传算法图像自适应多阈值快速分割【含Matlab源码 2444期】
⛄一.基于GA的多阈值自适应图像分割 1 遗传算法(GA)的工作流程 GA[3]是由美国科学家Holland提出的,其主要优点是简单.鲁棒性强,需要解决的问题越复杂,目标越不明确,优越性越大.遗传操作 ...
稀疏编码: LASSO，近端梯度优化（PGD），迭代软阈值算法（ISTA），L-Lipschitz条件，软阈值
在用到稀疏编码时,难免会提到以下概念: (1)LASSO(Least Absolute Shrinkage and Selection Operatior): 最小绝对收缩选择算子.这个名词听名字比较 ...
迭代硬阈值算法IHT:Iterative Hard-Thresholding
迭代硬阈值算法IHT:Iterative Hard-Thresholding 前言硬阈值函数迭代硬阈值算法参考前言最近在学习压缩感知的重构算法,重构算法整体来看分为三大类: ①贪婪迭代类算法 ...
迭代硬阈值(IHT)的补充说明
题目:迭代硬阈值(IHT)的补充说明本篇是对压缩感知重构算法之迭代硬阈值(IHT)的一个补充. 学完IHT后,近期陆续学习了硬阈值(hard Thresholding)函数和Majorization ...
迭代硬阈值(IHT)
题目:压缩感知重构算法之迭代硬阈值(Iterative Hard Thresholding,IHT) 本篇来介绍IHT重构算法.一般在压缩感知参考文献中,提到IHT时一般引用的都是文献[1],但IHT ...
迭代硬阈值(IHT)算法解决CS优化目标函数
版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明. 题目:迭代硬阈值(IHT)的补充说明本篇是对压缩感知重构算法之迭代硬阈值(IHT)的一个补充 ...

图像处理之阈值分割[全局阈值、Otsu阈值和迭代式阈值分割]

图像处理之阈值分割[全局阈值、Otsu阈值和迭代式阈值分割]相关推荐

最新文章

热门文章