多媒体图像处理实验——阈值分割实验报告(共5页).docx

精选优质文档-倾情为你奉上图像分割迭代法实现图像阈值分割：一 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 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测试图像三 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<T; aveF1=mean(I(F1); aveF2=mean(I(F2); newT=0.5*(aveF1+aveF2); ok=abs(T-newT)>=1; T=newT;endF=255*(I>T)+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');四 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。图2原图像直方图图3均值滤波前后图像五总结图像分割时，初始阈值可以根据原图像直方图确定一个大致的数值，也可以直接选取原图像均值作为初始阈值。不同方法选取初始阈值，迭代之后的最终阈可能略有差异画原图像直方图时，可以在图中直接用text函数标出最终算出的阈值。专心-专注-专业