MATLAB 对SAR 图像做二值分割 边缘检测

高分辨率SAR图像高速公路快速检测方法，该方法基于高速公路的反射特性和形状特征，先对图像做二值化分割处理，统计每个暗区域的特征参数，删除形状复杂的区域，对道路边缘分段迭代直线拟合将道路区域从背景区域中检测出来

x=imread（‘road1.png‘）;
x=x（1:2031:203）;
y=x;
%figure（1）;
%imhist（x200）;
%title（‘histogram of original image‘）;
for i = 1:203;
    h（i） = sum（sum（x==i-1））;
    end
    s = sum（h）;
for i= 1:203;
    j= find（x==i-1）;
    y（j）=sum（h（1:i））/s*203;
    end
%figure（2）;
%imshow（x）;
%figure（3）;
%imshow（y）;
%title（‘result of equalizition‘）;
%figure（4）;
%imhist（y200）;
%title（‘histogram of result of histogram equalization‘）;


%[name path]=uigetfile（y）; %出现打开文件界面 
%filename=[path name];           %获取文件的路径与文件名
%I=rgb2gray（imread（filename））; %  读图并转化为黑白图片
%以下为阈值计算程序
Ni=imhist（y）;%计算直方图数组
N=sum（Ni）;   %总像素点个数
delamax=0;   %类间方差最大值
threshold=0; %阈值
for k=2:255
  u=dot（[0:255]Ni/N）; %图像的总平均灰度级
  w0=sum（Ni（1:k）/N）;  %C0类像素所占面积的比例
  w1=1-w0;            %C1类像素所占面积的比例
  if w0==0|w0==1      %当w0为1或0时提前结束本次循环
     continue 
  end
  u0=dot（[0:k-1]Ni（1:k）/N）/w0;   %C0类像素的平均灰度
  u1=dot（[k:255]Ni（k+1:256）/N）/w1; %C1类像素的平均灰度
    dela（k）=w0*（u-u0）^2+w1*（u-u1）^2;  %类间方差公式
  %求出类间方差的最大值，最大时的那个值对应的k值存入delamax
  if dela（k）>delamax    
      delamax=dela（k）;
      threshold=k-1;
  end
end
%以下为阈值分割程序
[widthheight]=size（y）;%获取图片宽高
for i=1:width
    for j=1:height
        if（y（ij）            BW1（ij）=0;
        else
            BW1（ij）=1; % 灰度大于阈值时则为白色
        end
    end
end
figure（1）;
imshow（BW1）title（‘自编程序运行结果‘）%显示图片
disp（‘自编程序求的的归一化阈值：‘）%显示提示信息
disp（threshold/255）              %显示结果
%调用系统函数OTSU阈值分割
level=graythresh（y）;%调用系统函数计算阈值
BW2=im2bw（ylevel）; %阈值分割
figure（2）;
imshow（BW2）title（‘调用系统函数运行结果‘）
disp（‘调用库函数求得的归一化阈值：‘）
disp（level）;

img0=BW2;se=strel（‘disk‘1）;
img1=imerode（img0se）;se=strel（‘disk‘2）;
img2=imerode（img0se）;se=strel（‘disk‘3）;
img3=imerode（img0se）;figure（3）;
subplot（221）;imshow（img0）;title（‘original ima