基于matlab最大类间方差法(otsu)图像分割

piday123

9 l, z, [9 A+ o  {8 x. s, s+ B一、简介
  c1 k% _! N5 f2 g3 t5 v3 Z( s

* B! i6 I- d. r) w+ \由Otsu(大津展之)于1978年提出的最大类间方差法，是引起较多关注的一种阈值选取方法。它是在判决分析或最小二乘原理的基础上推导出来的。

+ \, j7 ^3 f" [; T参考文献：

[1] Otsu N. A threshold selection method from gray-level histogram. IEEE Trans,1979;SMC-9;62-66 下载地址

. w* m0 G- J; L  f% _, _( d算法思想：
. Y7 ?; e) B1 `2 d" l/ A/ S) j$ D/ {
假设一幅图像有L个灰度级[1,2,…,L]。灰度级为i的像素点的个数为ni，那么总的像素点个数就应该为N=n1+n2+…+nL。为了讨论方便，我们使用归一化的灰度级直方图并且视为这幅图像的概率分布:
7 X$ c6 D( z- l( c8 j/ @2 b. E



( R: M7 H4 ?- a, ~  c
, Z7 Z8 J; Y& E- ]  u- w5 j

: o% F" e7 C/ o4 U2 I2 D1 o& X
/ Z9 Q) |5 A  S2 s9 p3 }5 e" `  q


( Y/ x: k# U2 @" A二、源代码
3 w# Z( O! R9 R' R8 z  F

• clear
• close all
• clc
• I=imread('rice.png');
• [m,n]=size(I);
• N=m*n;
• L=256;
• for i=1：L
•     count(i)=length(find(I==(i-1)));
•     f(i)=count(i)/(N);  %每个灰度对应的概率，i=1,对应灰度值为0（i-1）
• end
• for i=1：L
•     if count(i)~=0
•         st=i-1;   %开始的灰度值
•         break;
•     end
• end
• for i=L:-1:1
•     if count(i)~=0
•         nd=i-1;   %结束的灰度值
•         break;
•     end
• end
• p=st;   q=nd-st+1;
• u=0;
• for i=1:q
•     u=u+f(p+i)*(p+i-1);  %u是像素的平均值
•     ua(i)=u;           %ua（i）是前i+p个像素的平均灰度值  (前p个无取值)
• end;
• for i=1:q
•     w(i)=sum(f(1+p:i+p));  %w（i）是前i个像素的累加概率,对应公式中P0
• end;
• w=w+eps;
•    %对照sigmaB的公式写出目标函数。实际是遍历所有值
• d=(w./(1-w)).*(ua./w-u).^2;
• [y,tp]=max(d);  %可以取出数组的最大值及取最大值的点
• th=tp+p;
• figure;imshow(im2bw(I,th/255),[]);  title('最大类间方差');
• %% matlab自带函数
• figure;imshow(im2bw(I,graythresh(I)),[]);  title('matlab自带');
• 
  

         

8 ~4 F2 ]. z; {! d  V  h
! K  I; L" U; G7 y7 K! n6 O三、运行结果


- Q' s& Q1 N# M3 N( }

regngfpcb

基于matlab最大类间方差法(otsu)图像分割

yin123

基于matlab最大类间方差法(otsu)图像分割

beachsun

基于matlab最大类间方差法(otsu)图像分割

dsgh

图像分割      

ldezgr

谢谢您，学习中