如何使用Matlab实现基于全局阈值、Otsu、自适应阈值等算法的图像分割？

本文共计1141个文字，预计阅读时间需要5分钟。

1. 简介与重点讨论了图像分割法中的阈值研究方法，包括全局阈值法和自适应阈值法。重点分析了全局阈值法中的人工选择法、迭代式阈值选择法、最大类间方差法和自适应算法中的分割阈值计算方法。

1 简介

重点讨论了图像分割法中的阈值研究法,包括全局阈值法和自适应阈值法.对全局阈值算法中的人工选择法,迭代式阈值选择法,最大类间方差法以及自适应算法中的分水岭算法进行了重点分析,用Matlab进行实现并给出了实验结果。

阈值分割方法是一种常见的区域并行技术，原理上利用1 个或者多个阈值对像素点的灰度直方图进行区分，将其分成几个不同的类，得到的像素灰度值在同一类的属于同一个物体。由于直接利用灰度直方图可以简化计算的部分，因此，选取一个适合的阈值就显得尤为重要。想要找到合适的阈值就离不开一个准则函数[3]。而在实际的研究中，选择合适的阈值并不容易，影响阈值设定的主要因素有光的亮度以及噪声。随着研究的进步，逐步发展了几种解决上述问题的办法，应用比较广泛的有自适应阈值法、最大熵法、类间阈值法以及模糊阈值法等。并且为了保证准确性，至少会采用 2 种或者更多方法来确定阈值。首先把想要处理的原始 图像假设为f（x，y），阈值分割的主要任务就是将原始的输入函数转 化成输出函数g（x，y），

​

得到的函数g（x，y）的图像是二值图像，利用原图f（x，y）与阈值p比较之后，就能得到分割以后的图像。在现在的研究中，阈值分割算法的核心就是找出最合适的阈值，基于此可以分为人工选择法和自动选择法，要选择的就是阈值，人工选择法就是在通过人的肉眼分析图像的直方图时，根据经验判断合适的阈值。但是在没有人工干预的情况下，就需要采用自动选择法，这也是在特殊环境下利用专业领域的专业知识来进行判断的。