精华内容
下载资源
问答
  • 代码的功能是通过迭代法实现阈值的分割,阈值分割思想和原理若图像中目标和背景具有不同的灰度集合:目标灰度集合与背景灰度集合,且两个灰度集合可用一个灰度级阈值T进行分割。这样就可以用阈值分割灰度级的方法在...
  • 图像分割迭代法阈值

    热门讨论 2010-05-19 17:03:03
    %迭代法阈值原理: %基于逼近的思想,步骤如下: %1. 求出图象的最大灰度值和最小灰度值,分别记为ZMAX和ZMIN,令初始阈值T0=(ZMAX+ZMIN)/2; %2. 根据阈值TK将图象分割为前景和背景,分别求出两者的平均灰度...
  • 迭代阈值分割算法(处理图像)

    千次阅读 2020-10-09 11:05:06
    迭代法求取阈值进行图像分割:它的主要思想是:图像分割后的两部分A和B的均值和基本保持稳定。也就是说,随着迭代的进行,取 [mean(A)+mean(B)]/2 最终的收敛值作为分割阈值。其具体方法如下: (1)选取一个初始...

    **1.算法原理简述**
           迭代法求取阈值进行图像分割:它的主要思想是:图像分割后的两部分A和B的均值和基本保持稳定。也就是说,随着迭代的进行,取 [mean(A)+mean(B)]/2 最终的收敛值作为分割阈值。其具体方法如下:
    (1)选取一个初始阈值T;
    (2)利用阈值T把给定图像分割成两组图像,记为R1和R2;
    (3)计算R1和R2均值μ1和μ2;
    (4)选择新的阈值T,且T=(μ1+μ2)/2;
    (5)重复第(2)至(4)布,直到连续两次T的差值小于一个预设值为止。
    **2.算法设计流程图(或难点分析)**
     


    **3.算法设计代码与注释(迭代阈值分割算法)**

    %读入图像,并进行灰度转换(迭代阈值分割算法)
    A=imread('figerprint.jpg');
    B=rgb2gray(A);
    %初始化阈值
    T=0.5*(double(min(B(:)))+double(max(B(:))));
    d=false;
    %通过迭代求最佳阈值
    while~d
    g=B>=T;
    Tn=0.5*(mean(B(g))+mean(B(~g)));
    d=abs(T-Tn)<0.5;
    T=Tn;
    end
    % 根据最佳阈值进行图像分割
    level=Tn/255;
    BW=im2bw(B,level);
    % 显示分割结果
    subplot(121),imshow(A);title('Original');%显示原图
    subplot(122),imshow(BW);title('Processed') ;%显示处理后的图像
    %显示直方图
    figure;
    histogram(A);   
    xlim([0 255]);


    **4.实验结果与分析**

    图1 指纹处理结果图

    图2 指纹图像直方图

    从图1中可以看出指纹图像进行处理之后的图像,其中Original标题的为指纹图像原图,Processed标题的图像为进行迭代阈值分割处理之后的图像。通过图像之间的对比,可以看出指纹周围的图像被分割处理成白色的,而指纹部分为黑色,从而分割成功。图2为指纹图像原图的直方图。
    **5.结论与展望**
           为了提高收敛速度,初始阈值T的选择要稍微注意些。当目标与背景的面积相当时,可以将初始阈值T设置为整个图像的平均灰度值;当目标与背景的面积相差较大时,更好地选择是将初始阈值T设置为最大灰度值和最小灰度值的中间值。

     

    展开全文
  • 图像算法:图像阈值分割 SkySeraph Dec 21st 2010 HQU Email:zgzhaobo@gmail.com QQ:452728574 Latest Modified Date:Dec.21st 2010 HQU 一、工具:VC+OpenCV 二、语言:C++ 三、原理(略) ...

    图像算法:图像阈值分割

    SkySeraph Dec 21st 2010  HQU

    Email:zgzhaobo@gmail.com    QQ:452728574

    Latest Modified Date:Dec.21st 2010 HQU

    一、工具:VC+OpenCV

    二、语言:C++

    三、原理(略)

    四、程序

    主程序(核心部分) 

    复制代码
    代码
    1 /*===============================图像分割=====================================*/
    2 /*---------------------------------------------------------------------------*/
    3 /*手动设置阀值*/
    4 IplImage* binaryImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1);
    5 cvThreshold(smoothImgGauss,binaryImg,71,255,CV_THRESH_BINARY); 
    6 cvNamedWindow("cvThreshold", CV_WINDOW_AUTOSIZE );
    7 cvShowImage( "cvThreshold", binaryImg );
    8 //cvReleaseImage(&binaryImg); 
    9  /*---------------------------------------------------------------------------*/
    10 /*自适应阀值 //计算像域邻域的平均灰度,来决定二值化的值*/
    11 IplImage* adThresImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1);
    12 double max_value=255;
    13 int adpative_method=CV_ADAPTIVE_THRESH_GAUSSIAN_C;//CV_ADAPTIVE_THRESH_MEAN_C
    14  int threshold_type=CV_THRESH_BINARY;
    15 int block_size=3;//阈值的象素邻域大小
    16  int offset=5;//窗口尺寸
    17   cvAdaptiveThreshold(smoothImgGauss,adThresImg,max_value,adpative_method,threshold_type,block_size,offset);
    18 cvNamedWindow("cvAdaptiveThreshold", CV_WINDOW_AUTOSIZE );
    19 cvShowImage( "cvAdaptiveThreshold", adThresImg );
    20 cvReleaseImage(&adThresImg);
    21 /*---------------------------------------------------------------------------*/
    22 /*最大熵阀值分割法*/ 
    23 IplImage* imgMaxEntropy = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    24 MaxEntropy(smoothImgGauss,imgMaxEntropy);
    25 cvNamedWindow("MaxEntroyThreshold", CV_WINDOW_AUTOSIZE );
    26 cvShowImage( "MaxEntroyThreshold", imgMaxEntropy );//显示图像
    27   cvReleaseImage(&imgMaxEntropy ); 
    28 /*---------------------------------------------------------------------------*/
    29 /*基本全局阀值法*/
    30 IplImage* imgBasicGlobalThreshold = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    31 cvCopyImage(srcImgGrey,imgBasicGlobalThreshold);
    32 int pg[256],i,thre; 
    33 for (i=0;i<256;i++) pg[i]=0;
    34 for (i=0;i<imgBasicGlobalThreshold->imageSize;i++// 直方图统计
    35   pg[(BYTE)imgBasicGlobalThreshold->imageData[i]]++
    36 thre = BasicGlobalThreshold(pg,0,256); // 确定阈值
    37   cout<<"The Threshold of this Image in BasicGlobalThreshold is:"<<thre<<endl;//输出显示阀值
    38   cvThreshold(imgBasicGlobalThreshold,imgBasicGlobalThreshold,thre,255,CV_THRESH_BINARY); // 二值化 
    39   cvNamedWindow("BasicGlobalThreshold", CV_WINDOW_AUTOSIZE );
    40 cvShowImage( "BasicGlobalThreshold", imgBasicGlobalThreshold);//显示图像
    41   cvReleaseImage(&imgBasicGlobalThreshold);
    42 /*---------------------------------------------------------------------------*/
    43 /*OTSU*/
    44 IplImage* imgOtsu = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    45 cvCopyImage(srcImgGrey,imgOtsu);
    46 int thre2;
    47 thre2 = otsu2(imgOtsu);
    48 cout<<"The Threshold of this Image in Otsu is:"<<thre2<<endl;//输出显示阀值
    49 cvThreshold(imgOtsu,imgOtsu,thre2,255,CV_THRESH_BINARY); // 二值化 
    50 cvNamedWindow("imgOtsu", CV_WINDOW_AUTOSIZE );
    51 cvShowImage( "imgOtsu", imgOtsu);//显示图像 
    52 cvReleaseImage(&imgOtsu);
    53 /*---------------------------------------------------------------------------*/
    54 /*上下阀值法:利用正态分布求可信区间*/
    55 IplImage* imgTopDown = cvCreateImage( cvGetSize(imgGrey), IPL_DEPTH_8U, 1 );
    56 cvCopyImage(srcImgGrey,imgTopDown);
    57 CvScalar mean ,std_dev;//平均值、 标准差
    58 double u_threshold,d_threshold;
    59 cvAvgSdv(imgTopDown,&mean,&std_dev,NULL); 
    60 u_threshold = mean.val[0+2.5* std_dev.val[0];//上阀值
    61 d_threshold = mean.val[0-2.5* std_dev.val[0];//下阀值
    62 //u_threshold = mean + 2.5 * std_dev; //错误
    63 //d_threshold = mean - 2.5 * std_dev;
    64 cout<<"The TopThreshold of this Image in TopDown is:"<<d_threshold<<endl;//输出显示阀值
    65 cout<<"The DownThreshold of this Image in TopDown is:"<<u_threshold<<endl;
    66 cvThreshold(imgTopDown,imgTopDown,d_threshold,u_threshold,CV_THRESH_BINARY_INV);//上下阀值
    67 cvNamedWindow("imgTopDown", CV_WINDOW_AUTOSIZE );
    68 cvShowImage( "imgTopDown", imgTopDown);//显示图像 
    69 cvReleaseImage(&imgTopDown);
    70 /*---------------------------------------------------------------------------*/
    71 /*迭代法*/
    72 IplImage* imgIteration = cvCreateImage( cvGetSize(imgGrey), IPL_DEPTH_8U, 1 );
    73 cvCopyImage(srcImgGrey,imgIteration);
    74 int thre3,nDiffRec;
    75 thre3 =DetectThreshold(imgIteration, 100, nDiffRec);
    76 cout<<"The Threshold of this Image in imgIteration is:"<<thre3<<endl;//输出显示阀值
    77 cvThreshold(imgIteration,imgIteration,thre3,255,CV_THRESH_BINARY_INV);//上下阀值
    78 cvNamedWindow("imgIteration", CV_WINDOW_AUTOSIZE );
    79 cvShowImage( "imgIteration", imgIteration);
    80 cvReleaseImage(&imgIteration);
    复制代码

    模块程序

    迭代法

    复制代码
    1 /*======================================================================*/
    2 /* 迭代法*/
    3 /*======================================================================*/
    4 // nMaxIter:最大迭代次数;nDiffRec:使用给定阀值确定的亮区与暗区平均灰度差异值
    5 int DetectThreshold(IplImage*img, int nMaxIter, int& iDiffRec) //阀值分割:迭代法
    6 {
    7 //图像信息
    8 int height = img->height;
    9 int width = img->width;
    10 int step = img->widthStep/sizeof(uchar);
    11 uchar *data = (uchar*)img->imageData;
    12 
    13 iDiffRec =0;
    14 int F[256]=0 }; //直方图数组
    15 int iTotalGray=0;//灰度值和
    16 int iTotalPixel =0;//像素数和
    17 byte bt;//某点的像素值
    18 
    19 uchar iThrehold,iNewThrehold;//阀值、新阀值
    20 uchar iMaxGrayValue=0,iMinGrayValue=255;//原图像中的最大灰度值和最小灰度值
    21 uchar iMeanGrayValue1,iMeanGrayValue2;
    22 
    23 //获取(i,j)的值,存于直方图数组F
    24 for(int i=0;i<width;i++)
    25 {
    26 for(int j=0;j<height;j++)
    27 {
    28 bt = data[i*step+j];
    29 if(bt<iMinGrayValue)
    30 iMinGrayValue = bt;
    31 if(bt>iMaxGrayValue)
    32 iMaxGrayValue = bt;
    33 F[bt]++;
    34 }
    35 }
    36 
    37 iThrehold =0;//
    38 iNewThrehold = (iMinGrayValue+iMaxGrayValue)/2;//初始阀值
    39 iDiffRec = iMaxGrayValue - iMinGrayValue;
    40 
    41 for(int a=0;(abs(iThrehold-iNewThrehold)>0.5)&&a<nMaxIter;a++)//迭代中止条件
    42 {
    43 iThrehold = iNewThrehold;
    44 //小于当前阀值部分的平均灰度值
    45 for(int i=iMinGrayValue;i<iThrehold;i++)
    46 {
    47 iTotalGray += F[i]*i;//F[]存储图像信息
    48 iTotalPixel += F[i];
    49 }
    50 iMeanGrayValue1 = (uchar)(iTotalGray/iTotalPixel);
    51 //大于当前阀值部分的平均灰度值
    52 iTotalPixel =0;
    53 iTotalGray =0;
    54 for(int j=iThrehold+1;j<iMaxGrayValue;j++)
    55 {
    56 iTotalGray += F[j]*j;//F[]存储图像信息
    57 iTotalPixel += F[j]; 
    58 }
    59 iMeanGrayValue2 = (uchar)(iTotalGray/iTotalPixel);
    60 
    61 iNewThrehold = (iMeanGrayValue2+iMeanGrayValue1)/2//新阀值
    62 iDiffRec = abs(iMeanGrayValue2 - iMeanGrayValue1);
    63 }
    64 
    65 //cout<<"The Threshold of this Image in imgIteration is:"<<iThrehold<<endl;
    66 return iThrehold;
    67 }
    68
    复制代码

      

    Otsu代码一 

    复制代码
    1 /*======================================================================*/
    2 /* OTSU global thresholding routine */
    3 /* takes a 2D unsigned char array pointer, number of rows, and */
    4 /* number of cols in the array. returns the value of the threshold */
    5 /*parameter: 
    6 *image --- buffer for image
    7 rows, cols --- size of image
    8 x0, y0, dx, dy --- region of vector used for computing threshold
    9 vvv --- debug option, is 0, no debug information outputed
    10 */
    11 /*
    12 OTSU 算法可以说是自适应计算单阈值(用来转换灰度图像为二值图像)的简单高效方法。
    13 下面的代码最早由 Ryan Dibble提供,此后经过多人Joerg.Schulenburg, R.Z.Liu 等修改,补正。
    14 算法对输入的灰度图像的直方图进行分析,将直方图分成两个部分,使得两部分之间的距离最大。
    15 划分点就是求得的阈值。
    16 */
    17 /*======================================================================*/
    18 int otsu (unsigned char*image, int rows, int cols, int x0, int y0, int dx, int dy, int vvv)
    19 {
    20 
    21 unsigned char*np; // 图像指针
    22 int thresholdValue=1// 阈值
    23 int ihist[256]; // 图像直方图,256个点
    24 
    25 int i, j, k; // various counters
    26 int n, n1, n2, gmin, gmax;
    27 double m1, m2, sum, csum, fmax, sb;
    28 
    29 // 对直方图置零
    30 memset(ihist, 0sizeof(ihist));
    31 
    32 gmin=255; gmax=0;
    33 // 生成直方图
    34 for (i = y0 +1; i < y0 + dy -1; i++
    35 {
    36 np = (unsigned char*)image[i*cols+x0+1];
    37 for (j = x0 +1; j < x0 + dx -1; j++)
    38 {
    39 ihist[*np]++;
    40 if(*np > gmax) gmax=*np;
    41 if(*np < gmin) gmin=*np;
    42 np++/* next pixel */
    43 }
    44 }
    45 
    46 // set up everything
    47 sum = csum =0.0;
    48 =0;
    49 
    50 for (k =0; k <=255; k++
    51 {
    52 sum += (double) k * (double) ihist[k]; /* x*f(x) 质量矩*/
    53 += ihist[k]; /* f(x) 质量 */
    54 }
    55 
    56 if (!n) 
    57 {
    58 // if n has no value, there is problems...
    59 fprintf (stderr, "NOT NORMAL thresholdValue = 160\n");
    60 return (160);
    61 }
    62 
    63 // do the otsu global thresholding method
    64 fmax =-1.0;
    65 n1 =0;
    66 for (k =0; k <255; k++)
    67 {
    68 n1 += ihist[k];
    69 if (!n1) 
    70 
    71 continue
    72 }
    73 n2 = n - n1;
    74 if (n2 ==0)
    75 
    76 break
    77 }
    78 csum += (double) k *ihist[k];
    79 m1 = csum / n1;
    80 m2 = (sum - csum) / n2;
    81 sb = (double) n1 *(double) n2 *(m1 - m2) * (m1 - m2);
    82 /* bbg: note: can be optimized. */
    83 if (sb > fmax) 
    84 {
    85 fmax = sb;
    86 thresholdValue = k;
    87 }
    88 }
    89 
    90 // at this point we have our thresholding value
    91 
    92 // debug code to display thresholding values
    93 if ( vvv &1 )
    94 fprintf(stderr,"# OTSU: thresholdValue = %d gmin=%d gmax=%d\n",
    95 thresholdValue, gmin, gmax);
    96 
    97 return(thresholdValue);
    98 }
    复制代码

    Otsu代码二 

    复制代码
    1 /*======================================================================*/
    2 /* OTSU global thresholding routine */
    3 /*======================================================================*/
    4 int otsu2 (IplImage *image)
    5 {
    6 int w = image->width;
    7 int h = image->height;
    8 
    9 unsigned char*np; // 图像指针
    10 unsigned char pixel;
    11 int thresholdValue=1// 阈值
    12 int ihist[256]; // 图像直方图,256个点
    13 
    14 int i, j, k; // various counters
    15 int n, n1, n2, gmin, gmax;
    16 double m1, m2, sum, csum, fmax, sb;
    17 
    18 // 对直方图置零...
    19 memset(ihist, 0sizeof(ihist));
    20 
    21 gmin=255; gmax=0;
    22 // 生成直方图
    23 for (i =0; i < h; i++
    24 {
    25 np = (unsigned char*)(image->imageData + image->widthStep*i);
    26 for (j =0; j < w; j++
    27 {
    28 pixel = np[j];
    29 ihist[ pixel]++;
    30 if(pixel > gmax) gmax= pixel;
    31 if(pixel < gmin) gmin= pixel;
    32 }
    33 }
    34 
    35 // set up everything
    36 sum = csum =0.0;
    37 =0;
    38 
    39 for (k =0; k <=255; k++
    40 {
    41 sum += k * ihist[k]; /* x*f(x) 质量矩*/
    42 += ihist[k]; /* f(x) 质量 */
    43 }
    44 
    45 if (!n) 
    46 {
    47 // if n has no value, there is problems...
    48 //fprintf (stderr, "NOT NORMAL thresholdValue = 160\n");
    49 thresholdValue =160;
    50 goto L;
    51 }
    52 
    53 // do the otsu global thresholding method
    54 fmax =-1.0;
    55 n1 =0;
    56 for (k =0; k <255; k++
    57 {
    58 n1 += ihist[k];
    59 if (!n1) { continue; }
    60 n2 = n - n1;
    61 if (n2 ==0) { break; }
    62 csum += k *ihist[k];
    63 m1 = csum / n1;
    64 m2 = (sum - csum) / n2;
    65 sb = n1 * n2 *(m1 - m2) * (m1 - m2);
    66 /* bbg: note: can be optimized. */
    67 if (sb > fmax)
    68 {
    69 fmax = sb;
    70 thresholdValue = k;
    71 }
    72 }
    73 
    74 L:
    75 for (i =0; i < h; i++
    76 {
    77 np = (unsigned char*)(image->imageData + image->widthStep*i);
    78 for (j =0; j < w; j++
    79 {
    80 if(np[j] >= thresholdValue)
    81 np[j] =255;
    82 else np[j] =0;
    83 }
    84 }
    85 
    86 //cout<<"The Threshold of this Image in Otsu is:"<<thresholdValue<<endl;
    87 return(thresholdValue);
    88 }
    复制代码

     

    最大熵阀值 

    复制代码
    1 /*============================================================================
    2 = 代码内容:最大熵阈值分割 
    3 = 修改日期:2009-3-3 
    4 = 作者:crond123 
    5 = 博客:http://blog.csdn.net/crond123/
    6 = E_Mail:crond123@163.com 
    7 ===============================================================================*/
    8 // 计算当前位置的能量熵
    9 double caculateCurrentEntropy(CvHistogram * Histogram1,int cur_threshold,entropy_state state)
    10 {
    11 int start,end;
    12 int total =0;
    13 double cur_entropy =0.0;
    14 if(state == back) 
    15 {
    16 start =0;
    17 end = cur_threshold; 
    18 }
    19 else 
    20 {
    21 start = cur_threshold;
    22 end =256
    23 
    24 for(int i=start;i<end;i++
    25 {
    26 total += (int)cvQueryHistValue_1D(Histogram1,i);//查询直方块的值 P304
    27 }
    28 for(int j=start;j<end;j++)
    29 {
    30 if((int)cvQueryHistValue_1D(Histogram1,j)==0)
    31 continue;
    32 double percentage = cvQueryHistValue_1D(Histogram1,j)/total;
    33 /*熵的定义公式*/
    34 cur_entropy +=-percentage*logf(percentage);
    35 /*根据泰勒展式去掉高次项得到的熵的近似计算公式
    36 cur_entropy += percentage*percentage;*/ 
    37 }
    38 return cur_entropy;
    39 // return (1-cur_entropy);
    40 }
    41 
    42 //寻找最大熵阈值并分割
    43 void MaxEntropy(IplImage *src,IplImage *dst)
    44 {
    45 assert(src != NULL);
    46 assert(src->depth ==8&& dst->depth ==8);
    47 assert(src->nChannels ==1);
    48 CvHistogram * hist = cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,HistogramRange);//创建一个指定尺寸的直方图
    49 //参数含义:直方图包含的维数、直方图维数尺寸的数组、直方图的表示格式、方块范围数组、归一化标志
    50 cvCalcHist(&src,hist);//计算直方图
    51 double maxentropy =-1.0;
    52 int max_index =-1;
    53 // 循环测试每个分割点,寻找到最大的阈值分割点
    54 for(int i=0;i<HistogramBins;i++
    55 {
    56 double cur_entropy = caculateCurrentEntropy(hist,i,object)+caculateCurrentEntropy(hist,i,back);
    57 if(cur_entropy>maxentropy)
    58 {
    59 maxentropy = cur_entropy;
    60 max_index = i;
    61 }
    62 }
    63 cout<<"The Threshold of this Image in MaxEntropy is:"<<max_index<<endl;
    64 cvThreshold(src, dst, (double)max_index,255, CV_THRESH_BINARY);
    65 cvReleaseHist(&hist);
    66 }
    复制代码

    基本全局阀值法 

    复制代码
    1 /*============================================================================
    2 = 代码内容:基本全局阈值法 
    3 ==============================================================================*/
    4 int BasicGlobalThreshold(int*pg,int start,int end)
    5 // 基本全局阈值法
    6 int i,t,t1,t2,k1,k2;
    7 double u,u1,u2; 
    8 t=0
    9 u=0;
    10 for (i=start;i<end;i++
    11 {
    12 t+=pg[i]; 
    13 u+=i*pg[i];
    14 }
    15 k2=(int) (u/t); // 计算此范围灰度的平均值 
    16 do 
    17 {
    18 k1=k2;
    19 t1=0
    20 u1=0;
    21 for (i=start;i<=k1;i++
    22 // 计算低灰度组的累加和
    23 t1+=pg[i]; 
    24 u1+=i*pg[i];
    25 }
    26 t2=t-t1;
    27 u2=u-u1;
    28 if (t1) 
    29 u1=u1/t1; // 计算低灰度组的平均值
    30 else 
    31 u1=0;
    32 if (t2) 
    33 u2=u2/t2; // 计算高灰度组的平均值
    34 else 
    35 u2=0;
    36 k2=(int) ((u1+u2)/2); // 得到新的阈值估计值
    37 }
    38 while(k1!=k2); // 数据未稳定,继续
    39 //cout<<"The Threshold of this Image in BasicGlobalThreshold is:"<<k1<<endl;
    40 return(k1); // 返回阈值
    41 }
    展开全文
  • 基于Python的图像阈值分割迭代法

    千次阅读 多人点赞 2020-11-19 22:31:03
    基于Python的图像阈值化分割(迭代法) 1.阈值分割原理 通过对图像的灰度直方图进行数学统计,选择一个或多个阈值将像素划分为若干类。一般情况下,当图像由灰度值相差较大的目标和背景组成时,如果目标区域内部...

    基于Python的图像阈值化分割(迭代法)

    1.阈值化分割原理

    通过对图像的灰度直方图进行数学统计,选择一个或多个阈值将像素划分为若干类。一般情况下,当图像由灰度值相差较大的目标和背景组成时,如果目标区域内部像素灰度分布均匀一致,背景区域像素在另一个灰度级上也分布均匀,这时图像的灰度直方图会呈现出双峰特性。
    在这种情况下,选取位于这两个峰值中间的谷底对应的灰度值T作为灰度阈值,将图像中各个像素的灰度值与这个阈值进行比较,根据比较的结果将图像中的像素划分到两个类中。像素灰度值大于阈值T的像素点归为一类,其余像素点归为另一类。经阈值化处理后的图像g(x,y)定义为:
    在这里插入图片描述

    其中f(x,y)为原图像,T为灰度阈值,g(x,y)为分割后产生的二值图像。

    2.算法流程图

    在这里插入图片描述

    3.代码实现

    from PIL import Image
    import matplotlib.pyplot as plt
    import numpy as np
    #读入图片并转化为矩阵
    img = plt.imread('2.jpg')
    im = np.array(img)
    
    # 矩阵大小
    l = len(im)
    w = len(im[0])
    
    #求初始阈值
    zmin = np.min(im)
    zmax = np.max(im)
    t0 = int((zmin+zmax)/2)
    
    #初始化相关变量初始化
    t1=0
    res1=0
    res2=0
    s1=0
    s2=0
    
    #迭代法计算最佳阈值
    while abs(t0-t1)>0:
      for i in range(0,l-1):
        for j in range(0,w-1):
          if im[i,j]<t0:
            res1=res1+im[i,j]
            s1=s1+1
          elif im[i,j]>t0:
            res2=res2+im[i,j]
            s2=s2+1
      avg1=res1/s1
      avg2=res2/s2
      res1 = 0
      res2 = 0
      s1 = 0
      s2 = 0
      t1 = t0     #旧阈值储存在t1中
      t0=int((avg1+avg2)/2)   #计算新阈值
    
    #阈值化分割
    #像素点灰度值小于最佳阈值t0用0填充,其余用255填充
    im = np.where(im[...,:] < t0, 0, 255)
    
    #绘制原图窗口
    plt.figure()
    plt.imshow(img , cmap='gray')
    plt.title('original')
    
    #绘制原图直方图并显示最佳阈值
    plt.figure()
    plt.hist(img.ravel(),256)
    plt.title('hist')
    plt.axvline(t0)    #绘制最佳阈值分割线
    plt.text(25, 6100, "Best Threshold:{}".format(t0), size = 15, alpha = 0.8)
    
    #绘制阈值化分割后图像
    plt.figure()
    plt.imshow(Image.fromarray(im) , cmap='gray')
    plt.title('new')
    
    #绘制阈值化分割后图像的直方图
    plt.figure()
    plt.hist(im.ravel(),256)
    plt.title('hist')
    
    plt.show()
    

    4.阈值化分割结果

    原始图像
    在这里插入图片描述
    原始图像直方图
    在这里插入图片描述
    阈值化分割后图像
    在这里插入图片描述
    阈值化分割后图像直方图
    在这里插入图片描述

    展开全文
  • 1.阈值分割原理 通过对图像的灰度直方图进行数学统计,选择一个或多个阈值将像素划分为若干类。一般情况下,当图像由灰度值相差较大的目标和背景组成时,如果目标区域内部像素灰度分布均匀一致,背景区域像素在另...
  • 图像算法:图像阈值分割 SkySeraph Dec 21st 2010 HQU Email:zgzhaobo@gmail.com  QQ:452728574 Latest Modified Date:Dec.21st 2010 HQU 一、工具:VC+OpenCV 二、语言:C++ 三、原理(略)...
    
    

    图像算法:图像阈值分割

    SkySeraph Dec 21st 2010  HQU

    Email:zgzhaobo@gmail.com    QQ:452728574

    Latest Modified Date:Dec.21st 2010 HQU

    一、工具:VC+OpenCV

    二、语言:C++

    三、原理(略)

    四、程序

    主程序(核心部分) 

    复制代码
    代码
    1 /*===============================图像分割=====================================*/
    2 /*---------------------------------------------------------------------------*/
    3 /*手动设置阀值*/
    4 IplImage* binaryImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1);
    5 cvThreshold(smoothImgGauss,binaryImg,71,255,CV_THRESH_BINARY); 
    6 cvNamedWindow("cvThreshold", CV_WINDOW_AUTOSIZE );
    7 cvShowImage( "cvThreshold", binaryImg );
    8 //cvReleaseImage(&binaryImg); 
    9  /*---------------------------------------------------------------------------*/
    10 /*自适应阀值 //计算像域邻域的平均灰度,来决定二值化的值*/
    11 IplImage* adThresImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1);
    12 double max_value=255;
    13 int adpative_method=CV_ADAPTIVE_THRESH_GAUSSIAN_C;//CV_ADAPTIVE_THRESH_MEAN_C
    14  int threshold_type=CV_THRESH_BINARY;
    15 int block_size=3;//阈值的象素邻域大小
    16  int offset=5;//窗口尺寸
    17   cvAdaptiveThreshold(smoothImgGauss,adThresImg,max_value,adpative_method,threshold_type,block_size,offset);
    18 cvNamedWindow("cvAdaptiveThreshold", CV_WINDOW_AUTOSIZE );
    19 cvShowImage( "cvAdaptiveThreshold", adThresImg );
    20 cvReleaseImage(&adThresImg);
    21 /*---------------------------------------------------------------------------*/
    22 /*最大熵阀值分割法*/ 
    23 IplImage* imgMaxEntropy = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    24 MaxEntropy(smoothImgGauss,imgMaxEntropy);
    25 cvNamedWindow("MaxEntroyThreshold", CV_WINDOW_AUTOSIZE );
    26 cvShowImage( "MaxEntroyThreshold", imgMaxEntropy );//显示图像
    27   cvReleaseImage(&imgMaxEntropy ); 
    28 /*---------------------------------------------------------------------------*/
    29 /*基本全局阀值法*/
    30 IplImage* imgBasicGlobalThreshold = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    31 cvCopyImage(srcImgGrey,imgBasicGlobalThreshold);
    32 int pg[256],i,thre; 
    33 for (i=0;i<256;i++) pg[i]=0;
    34 for (i=0;i<imgBasicGlobalThreshold->imageSize;i++) // 直方图统计
    35   pg[(BYTE)imgBasicGlobalThreshold->imageData[i]]++; 
    36 thre = BasicGlobalThreshold(pg,0,256); // 确定阈值
    37   cout<<"The Threshold of this Image in BasicGlobalThreshold is:"<<thre<<endl;//输出显示阀值
    38   cvThreshold(imgBasicGlobalThreshold,imgBasicGlobalThreshold,thre,255,CV_THRESH_BINARY); // 二值化 
    39   cvNamedWindow("BasicGlobalThreshold", CV_WINDOW_AUTOSIZE );
    40 cvShowImage( "BasicGlobalThreshold", imgBasicGlobalThreshold);//显示图像
    41   cvReleaseImage(&imgBasicGlobalThreshold);
    42 /*---------------------------------------------------------------------------*/
    43 /*OTSU*/
    44 IplImage* imgOtsu = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    45 cvCopyImage(srcImgGrey,imgOtsu);
    46 int thre2;
    47 thre2 = otsu2(imgOtsu);
    48 cout<<"The Threshold of this Image in Otsu is:"<<thre2<<endl;//输出显示阀值
    49 cvThreshold(imgOtsu,imgOtsu,thre2,255,CV_THRESH_BINARY); // 二值化 
    50 cvNamedWindow("imgOtsu", CV_WINDOW_AUTOSIZE );
    51 cvShowImage( "imgOtsu", imgOtsu);//显示图像 
    52 cvReleaseImage(&imgOtsu);
    53 /*---------------------------------------------------------------------------*/
    54 /*上下阀值法:利用正态分布求可信区间*/
    55 IplImage* imgTopDown = cvCreateImage( cvGetSize(imgGrey), IPL_DEPTH_8U, 1 );
    56 cvCopyImage(srcImgGrey,imgTopDown);
    57 CvScalar mean ,std_dev;//平均值、 标准差
    58 double u_threshold,d_threshold;
    59 cvAvgSdv(imgTopDown,&mean,&std_dev,NULL); 
    60 u_threshold = mean.val[0] +2.5* std_dev.val[0];//上阀值
    61 d_threshold = mean.val[0] -2.5* std_dev.val[0];//下阀值
    62 //u_threshold = mean + 2.5 * std_dev; //错误
    63 //d_threshold = mean - 2.5 * std_dev;
    64 cout<<"The TopThreshold of this Image in TopDown is:"<<d_threshold<<endl;//输出显示阀值
    65 cout<<"The DownThreshold of this Image in TopDown is:"<<u_threshold<<endl;
    66 cvThreshold(imgTopDown,imgTopDown,d_threshold,u_threshold,CV_THRESH_BINARY_INV);//上下阀值
    67 cvNamedWindow("imgTopDown", CV_WINDOW_AUTOSIZE );
    68 cvShowImage( "imgTopDown", imgTopDown);//显示图像 
    69 cvReleaseImage(&imgTopDown);
    70 /*---------------------------------------------------------------------------*/
    71 /*迭代法*/
    72 IplImage* imgIteration = cvCreateImage( cvGetSize(imgGrey), IPL_DEPTH_8U, 1 );
    73 cvCopyImage(srcImgGrey,imgIteration);
    74 int thre3,nDiffRec;
    75 thre3 =DetectThreshold(imgIteration, 100, nDiffRec);
    76 cout<<"The Threshold of this Image in imgIteration is:"<<thre3<<endl;//输出显示阀值
    77 cvThreshold(imgIteration,imgIteration,thre3,255,CV_THRESH_BINARY_INV);//上下阀值
    78 cvNamedWindow("imgIteration", CV_WINDOW_AUTOSIZE );
    79 cvShowImage( "imgIteration", imgIteration);
    80 cvReleaseImage(&imgIteration);
    复制代码

    模块程序

    迭代法

    复制代码
    1 /*======================================================================*/
    2 /* 迭代法*/
    3 /*======================================================================*/
    4 // nMaxIter:最大迭代次数;nDiffRec:使用给定阀值确定的亮区与暗区平均灰度差异值
    5 int DetectThreshold(IplImage*img, int nMaxIter, int& iDiffRec) //阀值分割:迭代法
    6 {
    7 //图像信息
    8 int height = img->height;
    9 int width = img->width;
    10 int step = img->widthStep/sizeof(uchar);
    11 uchar *data = (uchar*)img->imageData;
    12 
    13 iDiffRec =0;
    14 int F[256]={ 0 }; //直方图数组
    15 int iTotalGray=0;//灰度值和
    16 int iTotalPixel =0;//像素数和
    17 byte bt;//某点的像素值
    18 
    19 uchar iThrehold,iNewThrehold;//阀值、新阀值
    20 uchar iMaxGrayValue=0,iMinGrayValue=255;//原图像中的最大灰度值和最小灰度值
    21 uchar iMeanGrayValue1,iMeanGrayValue2;
    22 
    23 //获取(i,j)的值,存于直方图数组F
    24 for(int i=0;i<width;i++)
    25 {
    26 for(int j=0;j<height;j++)
    27 {
    28 bt = data[i*step+j];
    29 if(bt<iMinGrayValue)
    30 iMinGrayValue = bt;
    31 if(bt>iMaxGrayValue)
    32 iMaxGrayValue = bt;
    33 F[bt]++;
    34 }
    35 }
    36 
    37 iThrehold =0;//
    38 iNewThrehold = (iMinGrayValue+iMaxGrayValue)/2;//初始阀值
    39 iDiffRec = iMaxGrayValue - iMinGrayValue;
    40 
    41 for(int a=0;(abs(iThrehold-iNewThrehold)>0.5)&&a<nMaxIter;a++)//迭代中止条件
    42 {
    43 iThrehold = iNewThrehold;
    44 //小于当前阀值部分的平均灰度值
    45 for(int i=iMinGrayValue;i<iThrehold;i++)
    46 {
    47 iTotalGray += F[i]*i;//F[]存储图像信息
    48 iTotalPixel += F[i];
    49 }
    50 iMeanGrayValue1 = (uchar)(iTotalGray/iTotalPixel);
    51 //大于当前阀值部分的平均灰度值
    52 iTotalPixel =0;
    53 iTotalGray =0;
    54 for(int j=iThrehold+1;j<iMaxGrayValue;j++)
    55 {
    56 iTotalGray += F[j]*j;//F[]存储图像信息
    57 iTotalPixel += F[j]; 
    58 }
    59 iMeanGrayValue2 = (uchar)(iTotalGray/iTotalPixel);
    60 
    61 iNewThrehold = (iMeanGrayValue2+iMeanGrayValue1)/2; //新阀值
    62 iDiffRec = abs(iMeanGrayValue2 - iMeanGrayValue1);
    63 }
    64 
    65 //cout<<"The Threshold of this Image in imgIteration is:"<<iThrehold<<endl;
    66 return iThrehold;
    67 }
    68
    复制代码

      

    Otsu代码一 

    复制代码
    1 /*======================================================================*/
    2 /* OTSU global thresholding routine */
    3 /* takes a 2D unsigned char array pointer, number of rows, and */
    4 /* number of cols in the array. returns the value of the threshold */
    5 /*parameter: 
    6 *image --- buffer for image
    7 rows, cols --- size of image
    8 x0, y0, dx, dy --- region of vector used for computing threshold
    9 vvv --- debug option, is 0, no debug information outputed
    10 */
    11 /*
    12 OTSU 算法可以说是自适应计算单阈值(用来转换灰度图像为二值图像)的简单高效方法。
    13 下面的代码最早由 Ryan Dibble提供,此后经过多人Joerg.Schulenburg, R.Z.Liu 等修改,补正。
    14 算法对输入的灰度图像的直方图进行分析,将直方图分成两个部分,使得两部分之间的距离最大。
    15 划分点就是求得的阈值。
    16 */
    17 /*======================================================================*/
    18 int otsu (unsigned char*image, int rows, int cols, int x0, int y0, int dx, int dy, int vvv)
    19 {
    20 
    21 unsigned char*np; // 图像指针
    22 int thresholdValue=1; // 阈值
    23 int ihist[256]; // 图像直方图,256个点
    24 
    25 int i, j, k; // various counters
    26 int n, n1, n2, gmin, gmax;
    27 double m1, m2, sum, csum, fmax, sb;
    28 
    29 // 对直方图置零
    30 memset(ihist, 0, sizeof(ihist));
    31 
    32 gmin=255; gmax=0;
    33 // 生成直方图
    34 for (i = y0 +1; i < y0 + dy -1; i++) 
    35 {
    36 np = (unsigned char*)image[i*cols+x0+1];
    37 for (j = x0 +1; j < x0 + dx -1; j++)
    38 {
    39 ihist[*np]++;
    40 if(*np > gmax) gmax=*np;
    41 if(*np < gmin) gmin=*np;
    42 np++; /* next pixel */
    43 }
    44 }
    45 
    46 // set up everything
    47 sum = csum =0.0;
    48 n =0;
    49 
    50 for (k =0; k <=255; k++) 
    51 {
    52 sum += (double) k * (double) ihist[k]; /* x*f(x) 质量矩*/
    53 n += ihist[k]; /* f(x) 质量 */
    54 }
    55 
    56 if (!n) 
    57 {
    58 // if n has no value, there is problems...
    59 fprintf (stderr, "NOT NORMAL thresholdValue = 160\n");
    60 return (160);
    61 }
    62 
    63 // do the otsu global thresholding method
    64 fmax =-1.0;
    65 n1 =0;
    66 for (k =0; k <255; k++)
    67 {
    68 n1 += ihist[k];
    69 if (!n1) 
    70 { 
    71 continue; 
    72 }
    73 n2 = n - n1;
    74 if (n2 ==0)
    75 { 
    76 break; 
    77 }
    78 csum += (double) k *ihist[k];
    79 m1 = csum / n1;
    80 m2 = (sum - csum) / n2;
    81 sb = (double) n1 *(double) n2 *(m1 - m2) * (m1 - m2);
    82 /* bbg: note: can be optimized. */
    83 if (sb > fmax) 
    84 {
    85 fmax = sb;
    86 thresholdValue = k;
    87 }
    88 }
    89 
    90 // at this point we have our thresholding value
    91 
    92 // debug code to display thresholding values
    93 if ( vvv &1 )
    94 fprintf(stderr,"# OTSU: thresholdValue = %d gmin=%d gmax=%d\n",
    95 thresholdValue, gmin, gmax);
    96 
    97 return(thresholdValue);
    98 }
    复制代码

    Otsu代码二 

    复制代码
    1 /*======================================================================*/
    2 /* OTSU global thresholding routine */
    3 /*======================================================================*/
    4 int otsu2 (IplImage *image)
    5 {
    6 int w = image->width;
    7 int h = image->height;
    8 
    9 unsigned char*np; // 图像指针
    10 unsigned char pixel;
    11 int thresholdValue=1; // 阈值
    12 int ihist[256]; // 图像直方图,256个点
    13 
    14 int i, j, k; // various counters
    15 int n, n1, n2, gmin, gmax;
    16 double m1, m2, sum, csum, fmax, sb;
    17 
    18 // 对直方图置零...
    19 memset(ihist, 0, sizeof(ihist));
    20 
    21 gmin=255; gmax=0;
    22 // 生成直方图
    23 for (i =0; i < h; i++) 
    24 {
    25 np = (unsigned char*)(image->imageData + image->widthStep*i);
    26 for (j =0; j < w; j++) 
    27 {
    28 pixel = np[j];
    29 ihist[ pixel]++;
    30 if(pixel > gmax) gmax= pixel;
    31 if(pixel < gmin) gmin= pixel;
    32 }
    33 }
    34 
    35 // set up everything
    36 sum = csum =0.0;
    37 n =0;
    38 
    39 for (k =0; k <=255; k++) 
    40 {
    41 sum += k * ihist[k]; /* x*f(x) 质量矩*/
    42 n += ihist[k]; /* f(x) 质量 */
    43 }
    44 
    45 if (!n) 
    46 {
    47 // if n has no value, there is problems...
    48 //fprintf (stderr, "NOT NORMAL thresholdValue = 160\n");
    49 thresholdValue =160;
    50 goto L;
    51 }
    52 
    53 // do the otsu global thresholding method
    54 fmax =-1.0;
    55 n1 =0;
    56 for (k =0; k <255; k++) 
    57 {
    58 n1 += ihist[k];
    59 if (!n1) { continue; }
    60 n2 = n - n1;
    61 if (n2 ==0) { break; }
    62 csum += k *ihist[k];
    63 m1 = csum / n1;
    64 m2 = (sum - csum) / n2;
    65 sb = n1 * n2 *(m1 - m2) * (m1 - m2);
    66 /* bbg: note: can be optimized. */
    67 if (sb > fmax)
    68 {
    69 fmax = sb;
    70 thresholdValue = k;
    71 }
    72 }
    73 
    74 L:
    75 for (i =0; i < h; i++) 
    76 {
    77 np = (unsigned char*)(image->imageData + image->widthStep*i);
    78 for (j =0; j < w; j++) 
    79 {
    80 if(np[j] >= thresholdValue)
    81 np[j] =255;
    82 else np[j] =0;
    83 }
    84 }
    85 
    86 //cout<<"The Threshold of this Image in Otsu is:"<<thresholdValue<<endl;
    87 return(thresholdValue);
    88 }
    复制代码

     

    最大熵阀值 

    复制代码
    1 /*============================================================================
    2 = 代码内容:最大熵阈值分割 
    3 = 修改日期:2009-3-3 
    4 = 作者:crond123 
    5 = 博客:http://blog.csdn.net/crond123/
    6 = E_Mail:crond123@163.com 
    7 ===============================================================================*/
    8 // 计算当前位置的能量熵
    9 double caculateCurrentEntropy(CvHistogram * Histogram1,int cur_threshold,entropy_state state)
    10 {
    11 int start,end;
    12 int total =0;
    13 double cur_entropy =0.0;
    14 if(state == back) 
    15 {
    16 start =0;
    17 end = cur_threshold; 
    18 }
    19 else 
    20 {
    21 start = cur_threshold;
    22 end =256; 
    23 } 
    24 for(int i=start;i<end;i++) 
    25 {
    26 total += (int)cvQueryHistValue_1D(Histogram1,i);//查询直方块的值 P304
    27 }
    28 for(int j=start;j<end;j++)
    29 {
    30 if((int)cvQueryHistValue_1D(Histogram1,j)==0)
    31 continue;
    32 double percentage = cvQueryHistValue_1D(Histogram1,j)/total;
    33 /*熵的定义公式*/
    34 cur_entropy +=-percentage*logf(percentage);
    35 /*根据泰勒展式去掉高次项得到的熵的近似计算公式
    36 cur_entropy += percentage*percentage;*/ 
    37 }
    38 return cur_entropy;
    39 // return (1-cur_entropy);
    40 }
    41 
    42 //寻找最大熵阈值并分割
    43 void MaxEntropy(IplImage *src,IplImage *dst)
    44 {
    45 assert(src != NULL);
    46 assert(src->depth ==8&& dst->depth ==8);
    47 assert(src->nChannels ==1);
    48 CvHistogram * hist = cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,HistogramRange);//创建一个指定尺寸的直方图
    49 //参数含义:直方图包含的维数、直方图维数尺寸的数组、直方图的表示格式、方块范围数组、归一化标志
    50 cvCalcHist(&src,hist);//计算直方图
    51 double maxentropy =-1.0;
    52 int max_index =-1;
    53 // 循环测试每个分割点,寻找到最大的阈值分割点
    54 for(int i=0;i<HistogramBins;i++) 
    55 {
    56 double cur_entropy = caculateCurrentEntropy(hist,i,object)+caculateCurrentEntropy(hist,i,back);
    57 if(cur_entropy>maxentropy)
    58 {
    59 maxentropy = cur_entropy;
    60 max_index = i;
    61 }
    62 }
    63 cout<<"The Threshold of this Image in MaxEntropy is:"<<max_index<<endl;
    64 cvThreshold(src, dst, (double)max_index,255, CV_THRESH_BINARY);
    65 cvReleaseHist(&hist);
    66 }
    复制代码

    基本全局阀值法 

    复制代码
    1 /*============================================================================
    2 = 代码内容:基本全局阈值法 
    3 ==============================================================================*/
    4 int BasicGlobalThreshold(int*pg,int start,int end)
    5 { // 基本全局阈值法
    6 int i,t,t1,t2,k1,k2;
    7 double u,u1,u2; 
    8 t=0; 
    9 u=0;
    10 for (i=start;i<end;i++) 
    11 {
    12 t+=pg[i]; 
    13 u+=i*pg[i];
    14 }
    15 k2=(int) (u/t); // 计算此范围灰度的平均值 
    16 do 
    17 {
    18 k1=k2;
    19 t1=0; 
    20 u1=0;
    21 for (i=start;i<=k1;i++) 
    22 { // 计算低灰度组的累加和
    23 t1+=pg[i]; 
    24 u1+=i*pg[i];
    25 }
    26 t2=t-t1;
    27 u2=u-u1;
    28 if (t1) 
    29 u1=u1/t1; // 计算低灰度组的平均值
    30 else 
    31 u1=0;
    32 if (t2) 
    33 u2=u2/t2; // 计算高灰度组的平均值
    34 else 
    35 u2=0;
    36 k2=(int) ((u1+u2)/2); // 得到新的阈值估计值
    37 }
    38 while(k1!=k2); // 数据未稳定,继续
    39 //cout<<"The Threshold of this Image in BasicGlobalThreshold is:"<<k1<<endl;
    40 return(k1); // 返回阈值
    41 }
    复制代码

    展开全文
  • 图像算法:图像阈值分割 SkySeraph Dec 21st 2010 HQU Email:zgzhaobo@gmail.com QQ:452728574 Latest Modified Date:Dec.21st 2010 HQU 一、工具:VC+OpenCV 二、语言:C++ 三、原理(略) 四、程序 主...
  •  otsu(最大类间方差,有时也称之为大津算法)使用的是聚类的思想,把图像的灰度数按灰度级分成2个部分,使得两个部分之间的灰度值差异最大,每个部分之间的灰度差异最小,通过方差的计算来寻找一个合...
  • 基于matlab的迭代法分割图像

    千次阅读 2019-09-17 19:50:52
    迭代法阈值选择算法是对双峰法的改进,他首先选择一个近似的阈值T,将图像分割成两个部分,R1和R2,计算出区域R1和R2的均值u1和u2,再选择新的阈值。 迭代法的原理 迭代法是一种比较简单的阈值分割方法,其思想:...
  • 一、工具:VC+OpenCV ... otsu(最大类间方差,有时也称之为大津算法)使用的是聚类的思想,把图像的灰度数按灰度级分成2个部分,使得两个部分之间的灰度值差异最大,每个部分之间的灰度差异最小,通过方差的...
  • opencv中几种阈值分割

    千次阅读 2017-10-24 13:44:22
    七种常见阈值分割代码(Otsu、最大熵、迭代法、自适应阀值、手动、迭代法、基本全局阈值法) 一、工具:VC+OpenCV 二、语言:C++ 三、原理    otsu法(最大类间方差法,有时也称之为大津算法)...
  • 图像分割实验 实验目的 理解和掌握图像分割的基本理论和算法; 掌握用阈值进行图像分割的...编程实现基于区域的图像分割,并与普通的阈值分割图像作比较;记录和整理实验报告。 四、实验原理与步骤 1.连通定义 在...
  • 针对交叉熵阈值法的时间复杂性过大的不足,提出了基于目标函数最优化原理的交叉熵分割准则的快速迭代算法。大量的实验结果表明,提出的快速迭代算法是有效的。 【英文摘要】 Considering that thresholding method ...
  • 迭代法是一种全局二值化方法,它要求图像分割阈值的算法是基于逼近的思想,首先选择一个近似阈值作为估计值的初始值,然后进行分割,产生子图像,并根据子图像的特性来选取新的阈值,再利用新的阈值分割图像,经过几...
  • 还有一种方法就是“迭代法”,函数是“IterationThreshold”,该函数最后会返回一个阈值,该阈值就是迭代法得出的阈值,具体实现方式可以在cpp文件中查看。 前两种方法的实现方法都如老师在PPT上所说的一样,而且...
  • 常用的图像二值化算法总结

    千次阅读 2015-04-17 10:19:32
    一、概述 目的:图像分割,抠出有用部分。不同算法之间的差异体现在,阈值的计算方式不一样。...d、迭代法,给定初始阈值,不断改变该值,直到满足给定的条件,一般条件是前景背景的平均灰度值之和小于某个
  • C# 数字图像处理技术光盘(源码)

    热门讨论 2011-04-09 23:35:26
    9.2.2 阈值分割法编程实例 9.3 特征空间聚类法 9.3.1 K-均值聚类法原理 9.3.2 ISODATA聚类法原理 9.3.3 特征空间聚类法编程实例 9.4 松弛迭代法 9.4.1 松弛迭代法原理 9.4.2 松弛迭代法编程实例 9.5 小结 第10章 ...
  •  9.2.2 阈值分割法编程实例  9.3 特征空间聚类法  9.3.1 K-均值聚类法原理  9.3.2 ISODATA聚类法原理  9.3.3 特征空间聚类法编程实例  9.4 松弛迭代法  9.4.1 松弛迭代法原理  9.4.2 松弛迭代法编程实例  ...
  • 利用迭代阈值和图像分割等方法将光斑图像进行预处理,然后将得到 的图像分别用重心、圆拟合法和匹配进行中心定位,并最终进行偏离角度的测定。文中介绍了所使用的几 种方法,并进行了仿真比较,结果表明,圆拟合法更...
  • 第8章图像阈值分割算法分析与应用 8.1灰度阈值分割 8.1.1灰度图像二值化 8.1.2灰度图像多区域阈值分割 8.2直方图阈值分割 8.2.1直方图阈值双峰 8.2.2动态阈值 8.3最大熵阈值分割 8.4分水岭 第9章状态...

空空如也

空空如也

1 2
收藏数 27
精华内容 10
关键字:

迭代法阈值分割原理