1.Histogram:

圖像灰度分析。以及圖像二值化的基礎(chǔ)。

1.1特點(diǎn)：

丟失了所有的空間信息。（只給出了圖像中同灰度像素點(diǎn)的分布）

1.2灰度直方圖與圖像面積的關(guān)系：

對灰度直方圖進(jìn)行積分即可。

1.3用途：

分析圖像中的灰度變化，最終可以幫助我們確定圖像二值化的最優(yōu)值。

對于大多數(shù)灰度直方圖，具有雙峰性。一般稱為圖像的“前景”與圖像的“背景”。

2.Binary Operation（二值化算法）

Isodata Algorithm:

%Isodata Algorithm %對圖像進(jìn)行二值化處理，尋找最優(yōu)閾值 %算法流程： %step1:設(shè)定初始閾值T0; %step2:根據(jù)閾值進(jìn)行分割得R1、R2,計算R1區(qū)域平均灰度值avg1,R2區(qū)域平均灰度值avg2; %step3:計算新的分割閾值T1=(avg1+avg2)/2; % 若|T0-T1|<e,執(zhí)行step4，否則返回step2. %step4:輸出圖像 %%%%%%author：沈春旭 clc;clear all; I=imread('chunxu.jpg'); figure(1);imshow(I);%colorful II=rgb2gray(I);%colorful to gray figure(2);imhist(II); II=double(II); %%%%Binary Threshold%%%% [x,y]=size(II); Global_mean=mean(mean(II));%初始設(shè)定的分割閾值 T0=Global_mean; T1=0; while(abs(T0-T1)>0.01)T1=T0;%把最新的閾值送給T1方便分割sum_R0=0;count0=0;sum_R1=0;count1=0;for i=1:1:xfor j=1:1:yif( II(i,j)<=T1 ) count0=count0+1;sum_R0=sum_R0+II(i,j);endif ( II(i,j)>T1) count1=count1+1;sum_R1=sum_R1+II(i,j);endendendR0_mean=sum_R0/count0;R1_mean=sum_R1/count1; %新生成的閾值賦給T0，與上次的分割與上次的分割閾值作比較。T0=(R0_mean+R1_mean)/2;%生成新得分割閾值 end %利用T0進(jìn)行圖像二值化處理 for i=1:1:xfor j=1:1:yif (II(i,j)>=T0) II(i,j)=255;endif (II(i,j)<T0) II(i,j)=0;endend end figure(3);imshow(II);

algorithm result:

#Global_mean=109.2339

#better_Threshold=101.1197

總結(jié)

以上是生活随笔為你收集整理的[Medical Image Processing] 2. GrayScale Histogram and Threshold-【Isodata Algorithm】的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。