圖像分割（image segmentation）是指把圖像分割成各個(gè)具有特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程。

現(xiàn)有的圖像分割方法主要分以下幾類：基于閾值（threshold）的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。

基于閾值的分割方法是一種應(yīng)用十分廣泛的圖像分割技術(shù)，其實(shí)質(zhì)是利用圖像的灰度直方圖信息獲取用于分割的閾值，一個(gè)或幾個(gè)閾值將圖像的灰度級(jí)分為幾個(gè)部分，認(rèn)為屬于同一部分的像素是同一個(gè)物體。

一、灰度閾值法介紹

1.原理

圖像閾值化處理的變換函數(shù)表達(dá)式為：

2.閾值的選取

?雙峰法

?迭代法

?大津法

?判別分析法

?最佳熵自動(dòng)閾值法

二、最大類間方差確定閾值(大津法)

大津法又叫最大類間方差法、最大類間閾值法（OTSU）。

它的基本思想是，用一個(gè)閾值將圖像中的數(shù)據(jù)分為兩類，一類中圖像的像素點(diǎn)的灰度均小于這個(gè)閾值，另一類中的圖像的像素點(diǎn)的灰度均大于或者等于該閾值。

如果這兩個(gè)類中像素點(diǎn)的灰度的方差越大，說(shuō)明獲取到的閾值就是最佳的閾值（方差是灰度分布均勻性的一種度量,背景和前景之間的類間方差越大,說(shuō)明構(gòu)成圖像的兩部分的差別越大,當(dāng)部分前景錯(cuò)分為背景或部分背景錯(cuò)分為前景都會(huì)導(dǎo)致兩部分差別變小。

因此,使類間方差最大的分割意味著錯(cuò)分概率最小。）則利用該閾值可以將圖像分為前景和背景兩個(gè)部分。

而我們所感興趣的部分一般為前景。

具體的分析可以參考我的另一篇博文：大津法（最大類間方差法OTSU）

(https://blog.csdn.net/m0_53966219/article/details/126621122?spm=1001.2014.3001.5501)

三、雙峰法閾值分割

雙峰法閾值分割I(lǐng)=imread('test2.jpg'); I=rgb2gray(I); subplot(1,2,1);imhist(I);title('直方圖');thread=130/255;subplot(1,2,2); I3=im2bw(I,thread);imshow(I3);title('雙峰法分割圖');

四、迭代法閾值分割

1.步驟

1.選取初始分割閾值，通常可選圖像灰度平均值 T。

2.根據(jù)閾值 TT 將圖像像素分割為背景和前景，分別求出兩者的平均灰度 T_0 和 T_1。

3.計(jì)算新的閾值 T′=(T0+T1)/2。

4.若 T==T′，則迭代結(jié)束，T 即為最終閾值。否則令 T=T′，轉(zhuǎn)第 (2) 步。

2.實(shí)現(xiàn)

A = imread('text.png');figure;subplot(121);imshow(A);title('原始圖像')T = mean2(A); ? %取均值作為初始閾值done = false; ? %定義跳出循環(huán)的量i = 0;% while循環(huán)進(jìn)行迭代while ~done ? ?r1 = find(A<=T); ?%小于閾值的部分 ? ?r2 = find(A>T); ? %大于閾值的部分 ? ?Tnew = (mean(A(r1)) + mean(A(r2))) / 2; ?%計(jì)算分割后兩部分的閾值均值的均值 ? ?done = abs(Tnew - T) < 1; ? ? %判斷迭代是否收斂 ? ?T = Tnew; ? ? ?%若不收斂,則將分割后的均值的均值作為新的閾值進(jìn)行循環(huán)計(jì)算 ? ?i = i+1;endA(r1) = 0; ? %將小于閾值的部分賦值為0A(r2) = 1; ? %將大于閾值的部分賦值為1 ? 這兩步是將圖像轉(zhuǎn)換成二值圖像 subplot(122);imshow(A,[]);title('迭代處理后')

編輯：黃飛

?