Matlab Image Segmentation
本文主要介绍Matlab实现的两种自动阈值图像分割方法
1.基于迭代的自动阈值图像分割方法
参考文献: 基于迭代(自动阈值)算法的医学图像增强方法 该文献实现了全局和局部的图像分割代码，使用的都是迭代算法，对比下面的结果可以看出，在灰度差异特别大的图像中，局部阈值分割要比全局阈值分割表现更好。[注:我对源码略有修改]
1.1 全局阈值分割程序
original_image=imread('test1.png');
gray_image=rgb2gray(original_image);
gray_image=double(gray_image);
t=mean(gray_image(:));
is_done=false;
count=0;%迭代次数
block=gray_image(1:end,1:end);%不分块
while ~is_done
r1=find(gray_image<=t);
r2=find(gray_image>t);
temp1=mean(block(r1));
if isnan(temp1);
temp1=0;
end
temp2=mean(block(r2));
if isnan(temp2)
temp2=0;
end
t_new=(temp1+temp2)/2;
is_done=abs(t_new-t)<1;%差异阈值是1
t=t_new;
count=count+1;
if count>=1000
Error='Error:Cannot find the ideal threshold.'
return
end
end
[m,n]=size(gray_image);
result=zeros(m,n)+255;
result(r1)=0;
% resule(r2)=255;
result=uint8(result);
figure
imshow(result);1.2 局部阈值分割程序
original_image=imread('test1.png');
gray_image=rgb2gray(original_image);
gray_image=double(gray_image);
[m,n]=size(gray_image);
result=zeros(m,n);
block_size=70;%分块大小
for i=1:block_size:m
for j=1:block_size:n
if ((i+block_size)>m)&&((j+block_size)>n)
block=gray_image(i:end,j:end);
elseif ((i+block_size)>m)&&((j+block_size)<=n)
block=gray_image(i:end,j:j+block_size-1);
elseif ((i+block_size)<=m)&&((j+block_size)>n)
block=gray_image(i:i+block_size-1,j:end);
else
block=gray_image(i:i+block_size-1,j:j+block_size-1);
end
t=mean(block(:)); t_org=t; is_done=false; count=0;
while ~is_done
r1=find(block<=t); r2=find(block>t); temp1=mean(block(r1));
if isnan(temp1);
temp1=0;
end
temp2=mean(block(r2));
if isnan(temp2)
temp2=0;
end
t_new=(temp1+temp2)/2; is_done=abs(t_new-t)<1; t=t_new;
count=count+1;
if count>=1000
Error='Error:Cannot find the ideal threshold.'
return
end
end
block(r1)=0;
block(r2)=255;
if ((i+block_size)>m)&&((j+block_size)>n)
result(i:end,j:end)=block;
elseif ((i+block_size)>m)&&((j+block_size)<=n)
result(i:end,j:j+block_size-1)=block;
elseif ((i+block_size)<=m)&&((j+block_size)>n)
result(i:i+block_size-1,j:end)=block;
else
result(i:i+block_size-1,j:j+block_size-1)=block;
end
end
end
resule=uint8(result);
figure
imshow(result);对比结果：
img
img
2.基于OSTU算法的自动阈值图像分割
[这块我还没有细究…To be continued……] Matlab内置的graythresh使用的便是OSTU算法，使得白色像素和黑色像素的类间方差最大。 因为上面测试图像的亮度存在明显的水平差异，所以我写了一个将图像沿水平方向分成几部分分别进行OSTU算法，效果明显又比上面两种方式要好些。
img
function [ result ] = partialostu( image,part,isrgb )
%PARTIALOSTU partial image ostu
if isrgb
image=rgb2gray(image);
end
cols=size(image,2);
result=zeros(size(image));
for i=1:part
fstart=floor((i-1)*cols/part)+1;
fend=floor(i*cols/part);
f=image(:,fstart:fend);
t=graythresh(f);
f=im2bw(f,t);
result(:,fstart:fend)=f;
end
end本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2014/3/30，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
