matlab函数im2bw_图像分割之阈值分割（matlab）

2021-01-02 06:21:09 373

文章标签：

图像分割是一种重要的图像处理的技术。

对于数字图像，我们往往会对他们中的某一部分感兴趣，这些部分我们称为前景或者目标，其余部分称为背景。为了识别和分析图像中的目标，我们需要把他们从图像中提取出来，在此基础上对图像进行进一步的处理和应用，图像分割就是为了实现这个过程。

一. 阈值分割法0 1 灰度阈值法分割

灰度阈值分割就是把图像灰度分成不同的等级，然后确定灰度，门阈值的方法。灰度阈值分割其实就是二值化处理，即：选择一个阈值，将图像转化为黑白二值图像，用于图像分割以及边缘提取。

显然，图像阈值化处理是一种阶梯函数，属于图像灰度级的非线性运算，该变换函数曲线如图所示。它的功能是由用户指定一个阈值，如果图像中某个像素的灰度值大于该阈值，则将该像素的灰度值置为255，否则将其灰度值置为0。

输入一张图像，并用imhist函数显示他的直方图。

从理论上来讲，以直方图双峰之间的谷底处灰度值作为阈值进行图像的阈值化处理，即可将目标和背景分割开来。

下面对他们进行图像分割

运行-如下代码

f=imread('ll.png');f1=im2bw(f,91/255);f2=im2bw(f,140/255);f3=im2bw(f,120/255);f4=im2bw(f,56/255);subplot(2,2,1);imshow(f1);subplot(2,2,2);imshow(f2);subplot(2,2,3);imshow(f3);subplot(2,2,4);imshow(f4);

可以看到，在图像分割的过程中，阈值不宜选的过大或者过小，都会大大影响分割的效果，所以，在使用阈值分割的过程中，阈值的选择很重要，但是使用直方图的方法不容易确定出合适的阈值，这时候我们就要使用科学的方法来确定，通常我们有以下几种方法来确定：

最小误差阈值

最大方差阈值

最佳阈值法

差别分析法

涉及科学计算的知识大家可以自行查阅资料掌握，下面我们重点讲述全局阈值法和局部阈值法分割。全局阈值法作为更先进的算法，可以直接算出阈值来，然后进行图像分割。

02 全局阈值分割

运行如下代码

I=imread('coins.png');  subplot(1,2,1);  imshow(I);  Level = graythresh(I);  %求取二值化的阈值  BW = im2bw(I, level);   %按阈值进行二值化  subplot(1,2,2);  imshow(BW);

03 局部阈值分割

这里采用一张我自己用手机拍的图片为例，对它进行局部阈值处理

n = imread('renjiancihua.jpg');f=rgb2gray(n);T = graythresh(f);                          % 自动获取阈值T = T*255;                                  % 阈值在区间[0,1]，需调整至[0,255]g = f<=T;subplot(1,2,1);imshow(f);title('原图像');subplot(1,2,2);imshow(g);title(['阈值处理,阈值为' num2str(T)]);

你可能感兴趣的文章