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
效果:
原图
二值化后
请发表评论