這個過去也實現過,不過現在回頭看,當時寫的還真是糟糕,所以現在決定用matlab重寫了。而且當時的方法現在來看還真是不怎么樣呢。
這里用的方法是《特征提取與圖像處理》3.3.4里的。
下面是代碼:
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; %求直方圖 end end p=Hist/(m*n); %直方圖概率分布 uT=sum((1:256).*p(1:256)); %圖像亮度均值,其實比真正的均值要大1,所以后面減了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))); %類間方差 end [tmp index]=max(sigma_2); %求最大類間方差的索引 index=index-1; %這里索引是1-256,實際圖像灰度是0-255,所以減1 imgn=img>index; figure; imshow(imgn); function re=w(k,p) %直方圖前k個亮度級的0階累積矩 re=sum(p(1:k)); end function re=u(k,p) %直方圖前k個亮度級的1階累積矩 re=sum((1:k).*p(1:k)); end end
效果:
原圖
二值化后