多媒体图像处理实验——阈值分割实验报告

图像分割图像分割 迭代法实现图像阈值分割：迭代法实现图像阈值分割： 1实验原理实验原理 图像阈值化分割是一种最常用，同时也是最简单的图像分割方法，它特别适用于 目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大 简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别 之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行 一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一 致的属性，而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取 一个或多个阈值来实现。 迭代法是基于逼近的思想，其步骤如下： (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值 ZO 和 ZB； (3)求出新阈值 TK+1=(ZO+ZB)/2； (4)若 TK=TK+1，则所得即为阈值；否则转 2，迭代计算。 迭代所得的阈值分割的图象效果良好。基于迭代的阈值能区分出图像的前景和背 景的主要区域所在，但在图像的细微处还没有很好的区分度。 经试验比较，对于直方图双峰明显，谷底较深的图像，迭代方法可以较快地获得 满意结果。但是对于直方图双峰不明显，或图像目标和背景比例差异悬殊，迭代法所 选取的阈值不如最大类间方差法。 二实验内容二实验内容 对测试图像进行图像分割，求出分割测试图像的最佳阈值。分别显示原图、原图的 直方图（标出阈值） 、和分割后的二值图。 图 1测试图像 3实验程序实验程序 %分割 clear; I=imread(D:fenge.jpg); figure(1) subplot(121); imshow(I); title(原图); M,N=size(I); T=125;%令原图像直方图两峰之间的谷底作为阈值 ok=true; while ok F1=I=T; F2=I=1; T=newT; end F=255*(IT)+0*(I=T); figure(1) subplot(122); imshow(F) title(分割后的二值图像); figure(2) counts,x=imhist(I,256); counts=counts/M/N; stem(x,counts,.); hold on; plot(T,T,0,0.03,r);%直方图阈值分界线 str=num2str(T); text(T,0.01,阈值分割线); text(T,0.015,str); title(原图直方图); 4结果分析结果分析 从图 2 原图像直方图中可以看出，选择初始阈值时可以选择两峰值之间的谷底作为阈 值，经过迭代计算后，可以得出最终阈值。 如图 3，经过迭代阈值分割后，图像的目标和背景明显分离。 050100150200250300 0 0.005 0.01 0.015 0.02 0.025 0.03 二 二 二 二 二 125.4018 二 二 二 二 二 图 2原图像直方图 二 二二 二 二 二 二 二 二 二 图 3均值滤波前后图像 五总结五总结 图像分割时，初始阈值可以根据原图像直方图确定一个大致的数值，也可以直接选 取原