matlab练习程序（最大类间方差二值化图像）

最新推荐文章于 2022-04-20 07:45:00 发布

weixin_34129696

最新推荐文章于 2022-04-20 07:45:00 发布

阅读量1.2k

点赞数 1

CC 4.0 BY-SA版权

文章标签： matlab 人工智能

原文链接：http://www.cnblogs.com/tiandsp/archive/2012/12/12/2815231.html

本文分享了使用Matlab进行图像二值化的实践过程。作者重新编写了早期的图像处理代码，采用《特征提取与图像处理》一书中描述的方法，通过计算图像的直方图、概率分布、亮度均值及类间方差，最终实现了图像的二值化，并展示了原图与处理后的对比效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

　　这个过去也实现过，不过现在回头看，当时写的还真是糟糕，所以现在决定用matlab重写了。而且当时的方法现在来看还真是不怎么样呢。

　　这里用的方法是《特征提取与图像处理》3.3.4里的。

　　下面是代码：

function main

    img=imread('lena.jpg');
    imshow(img);
    img=double(img);
    [m n]=size(img);
    
    Hist=zeros(1,256);
    for i=1:m
        for j=1:n
            Hist(img(i,j)+1)=Hist(img(i,j)+1)+1;    %求直方图
        end
    end

    p=Hist/(m*n);       %直方图概率分布
    uT=sum((1:256).*p(1:256));  %图像亮度均值，其实比真正的均值要大1，所以后面减了1

    sigma_2=zeros(1,256);
    for k=1:256
        sigma_2(k)=(uT*w(k,p)-u(k,p))^2/(w(k,p)*(1-w(k,p)));    %类间方差 
    end
    [tmp index]=max(sigma_2);       %求最大类间方差的索引
    index=index-1;                  %这里索引是1-256，实际图像灰度是0-255，所以减1
    
    imgn=img>index;
    figure;
    imshow(imgn);
    
    function re=w(k,p)      %直方图前k个亮度级的0阶累积矩
        re=sum(p(1:k));   
    end

    function re=u(k,p)      %直方图前k个亮度级的1阶累积矩
        re=sum((1:k).*p(1:k));
    end
        
end