【图像分割】基于全局阈值、otsu、自适应阈值多种算法实现图像分割含Matlab源码

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