数字图像处理 阈值分割

一.实验题目
参照下图实现对指纹图像的基本全局阈值分割。


二.实验分析

计算基本全局阈值算法思想如下:
① 选择一个T的初始估计值②用T分割图像，生成两组像素：G1由所有灰度值大
于T的像素组成，而G2由所有灰度值小于或等于T的像素组成
③ 对区域G1和G2中的所有像素计算平均灰度值µ1和µ2
④ 计算新的阈值⑤重复步骤②到④，直到逐次迭代所得的T值之差小于事先定义的参数T0
求出阈值T1后，将原图像中小于T1的赋值为0，否则赋值为1，显示该图像即可。

三.实验程序

I=imread('images_chapter_10\Fig10.29(a).jpg');subplot(2,2,1);imshow(I);title('原图');subplot(2,2,2);imhist(I);title('原图的直方图');% I=double(I);%T 建议初始化为图像中最大强度值和最小亮度值的平均值% T=0.5*(double(min(I(:)))+double(max(I(:))));% T=mean(I(:));T=0;%阈值初始化值T0=0.5; %预定偏差大小done=false;num=0;%迭代次数while ~doneg=I>=T;%由于g或者~g有可能为空,因此必须分情况处理if(size(I(g),1)==0)T1=mean(I(~g));elseif(size(I(~g),1)==0)T1=mean(I(g));else T1=0.5*(mean(I(g))+mean(I(~g)));enddone=abs(T-T1)<=T0;T=T1;num=num+1;endT=uint8(T);I2=I>=T;%graythresh可以直接求出阈值,该函数采用Ostu方法,与通过迭代产生的阈值几乎没有区别.%注意:由于graythresh产生的阈值已被归一化到范围[0,1]内,必须在使用时将其缩放到相应%的范围,如uint8类图像,需要乘以255.T1=graythresh(I)*255; subplot(2,2,[3 4]);imshow(I2);title('基本全局阈值算法处理结果');xlabel(['通过程序求得的阈值为',num2str(T),',迭代次数为',num2str(num)]);