影象分割:1.基於閾值的影象分割方法(最大熵值分割法)
阿新 • • 發佈:2019-02-19
利用影象熵為準則進行影象分割有一定歷史了,學者們提出了許多以影象熵為基礎進行影象分割的方法。我們介紹一種由Kapuret al提出來,現在仍然使用較廣的一種影象熵分割方法。
給定一個特定的閾值q(0<=q<K-1),對於該閾值所分割的兩個影象區域C0,C1,其估算的概率密度函式可表示為:
clc;clear all; f = imread('1.jpg'); f_gray = rgb2gray(f); f_h = imhist(f_gray); k = length(f_h); entropy_list = []; for T = 1: k entropy_list(T) = entropy_sum(f_gray,T); end [max_entropy_sum, ind] = max(entropy_list); ind = ind/(k-1); f_bw = im2bw(f_gray,ind); imshow(f_bw); function entropy = entropy_sum(img, T) [M, N] = size(img); img_h = imhist(img); k = length(img_h); P0 = sum(img_h(1:T))/(M*N); P1 = 1 - P0; img_h = img_h/(M*N); H0 = 0; H1 = 0; for i = 1:T Z = img_h(i)/P0; H0 = H0 - Z*log2(Z); end for j = T+1: k Z = img_h(j)/P1; H1 = H1 - Z*log2(Z); end entropy = H0 + H1; end
結束語:岡薩雷斯這本書我剛剛開始看,可能會有一些理解不正確的地方,希望大家能夠在我文章
下留言,幫我改正。另外想要和我一起自學的小夥伴,可以加我的微訊號:13027158275
或者加入數字影象處理交流QQ群:709538582