OSTU多阈值分割MATLAB程序

Ostu方法又名最大类间差方法，通过统计整个图像的直方图特性来实现全局阈值T的自动选取，其算法步骤为： 1) 先计算图像的直方图，即将图像所有的像素点按照0~255共256个bin，统计落在每个bin的像素点数量 2) 归一化直方图，也即将每个bin中像素点数量除以总的像素点 3) i表示分类的阈值，也即一个灰度级，从0开始迭代 4) 通过归一化的直方图，统计0~i 灰度级的像素(假设像素值在此范围的像素叫做前景像素) 所占整幅图像的比例w0，并统计前景像素的平均灰度u0；统计i~255灰度级的像素(假设像素值在此范围的像素叫做背景像素) 所占整幅图像的比例w1，并统计背景像素的平均灰度u1； 5) 计算前景像素和背景像素的方差 g = w0*w1*(u0-u1) (u0-u1) 6) i++；转到4)，直到i为256时结束迭代 7）将最大g相应的i值作为图像的全局阈值

function [IDXsep] = otsu（In）

%OTSU Global image thresholding/segmentation using Otsu‘s method.
%   IDX = OTSU（IN） segments the image I into N classes of Otsu‘s
%   N-thresholding method. OTSU returns an array IDX containing the cluster
%   indices （from 1 to N） of each point. Zero values are assigned to
%   non-finite （NaN or Inf） pixels.
%
%   IDX = OTSU（I） uses two classes （N=2 default value）.
%
%   [IDXsep] = OTSU（...） also returns the value （sep） of the separability
%   criterion within the range [0 1]. Zero is obtained only with data
%   having less than N values whereas one （optimal value） is obtained only
%   with N-valued arrays.
%
%   Notes:
%   -----
%   It should be noticed that the thresholds generally become less credible
%   as the number of classes （N） to be separated increases （see Otsu‘s
%   paper for more details）.
%
%   If I is an RGB image a Karhunen-Loeve transform is first performed on
%   the three RGB channels. The segmentation is then carried out on the
%   image component that contains most of the energy.
%
%   Example:
%   -------
%   load clown
%   subplot（221）
%   X = ind2rgb（Xmap）;
%   imshow（X）
%   title（‘Original‘‘FontWeight‘‘bold‘）
%   for n = 2:4
%     IDX = otsu（Xn）;
%     subplot（22n）
%     imagesc（IDX） axis image off
%     title（[‘n = ‘ int2str（n）]‘FontWeight‘‘bold‘）
%   end
%   colormap（gray）
%
%   Reference:
%   ---------
%   Otsu N A Threshold Selection Method from Gray-Level Histograms
%   IEEE Trans. Syst. Man Cybern. 9:62-66;1979
%
%   See also GRAYTHRESH IM2BW
%
%   -- Damien Garcia -- 2007/08 revised 2010/03
%   Visit my %   href=“matlab:web（‘http://www.biomecardio.com/matlab/otsu.html‘）“>website for more details about OTSU

error（nargchk（12nargin））

% Check if is the input is an RGB image
isRGB = isrgb（I）;

assert（isRGB | ndims（I）==2...
    ‘The input must be a 2-D array or an RGB image.‘）

%% Checking n （number of classes）
if nargin==1
    n = 2;
elseif n==1;
    IDX = NaN（size（I））;
    sep = 0;
    return
elseif n~=abs（round（n）） || n==0
    error（‘MATLAB:otsu:WrongNValue‘...
        ‘n must be a strictly positive integer!‘）
elseif n>255
    n = 255;
    warning（‘MATLAB:otsu:TooHighN‘...
        ‘n is too high. n value has been changed to 255.‘）
end

I = single（I）;

%% Perform a KLT if isRGB and keep the component of highest energy
if isRGB
    sizI = size（I）;
    I = reshape（I[]3）;
    [VD] = eig（cov（I））;
    [tmpc] = max（diag（D））;
    I = reshape（I*V（:c）sizI（1:2））; % component with the highest energy
end

%% Convert to 256 levels
I = I-min（I（:））;
I = round（I/max（I（:））*255）;

%% Probability distribution
unI = sort（unique（I））;
nbins = min（length（unI）256）;
if nbins==n
    IDX = ones（size（I））;
    for i = 1:n IDX（I==unI（i）） = i; end
    sep = 1;
    return
elseif nbins    IDX = NaN（si

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        6046  2018-01-26 13:54  otsu.m