图像阈值分割matlab,图像阈值分割Matlab版 | 学步园

图像阈值分割是一个非常简单的

而现在遇到的阈值分割却需要完成如下的多个功能：

1、基本的阈值分割：

大于阈值，则认为是目标；小于，则认为是背景

2、像素值较低才被认为是目标，即要把不等号反向

对图像像素点，小于阈值，认为是目标；大于阈值，则认为是背景。

3、可能进行阈值分割的图像只是标记图像

对标记图像进行分割后，需要在原始的图像上对分割的目标区域进行展示

这就需要输入原始图像

原始图像可能是灰度图像，也有可能是彩色图像

4、多个阈值进行分割

输出每个阈值进行分割的结果

花费了两个小时，完成了单阈值分割完成了功能1、2、3；本来将功能4也整合进来了，但感觉如此一来，代码太过费解，并且有一定的代码冗余，因此将其分离成一个单独的函数，通过调用单阈值分割实现。

功能 2 的实现： 增加一个偏置 标记 bias

若为1，则表示正常情况，大于阈值，则认为是目标

为-1时，则反之。

进行比较时用：biasimage>biasthresh 对两种情况通用
% 对标记图像进行阈值分割
%
% 标记图像里像素值大于Thresh，则认为时病斑，否则认为是非病斑
%
% 输入：
% image 进行阈值分割的图像
% thresh 分割的阈值
% bias 分割的偏置，默认为1
% bias=+1大于阈值为1，小于阈值为0
% bias=-1大于阈值为0，小于阈值为1
% bgImage 背景图像，image上标识为目标的区域被保留，而标识为背景的则删除
% 默认为进行阈值分割的图像，即image
%
% 输出：
% labBinaryImage 标识病斑图像、二值图像
% labSrcImage 在背景图像上作标记，标识病斑区域
%
%[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh);
%[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,bias);
%[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,bias,bgimage);
%
%2007-11-08%
function[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,varargin)
iptchecknargin(2,4,nargin,mfilename);% 检测输入参数数量iptcheckinput(image,{'numeric'},{'2d','real','nonsparse'},mfilename,'image',1);
iptcheckinput(thresh,{'numeric'},{'row','nonempty','real'},mfilename,'thresh',2);
thresh=thresh(1);% 只取第一个阈值bias=1;% 偏置，默认为1if(nargin>2) % 指定偏置
bias=varargin{1};end
if(bias~=1) % 偏置只允许取值1和-1 bias=-1;
end
image=double(image);% 类型转换iptcheckinput(bias,{'numeric'},{'row','nonempty','integer'},mfilename,'bias',3);

if(nargin>3) % 显示的背景图像
bgImage=varargin{2};
if( (size(bgImage,1)_{=size(image,1))||(size(bgImage,2)}=size(image,2)) )
error('背景图像大小需与分割图像完全一致。');
end
else
bgImage=image;% 默认为进行阈值分割的图像imageend
iptcheckinput(bgImage,{'numeric'},{'real','nonsparse'},mfilename,'bgImage',4);

% 阈值分割，生成两幅标记图像
labBinaryImage=zeros(size(image));% 在二值图像上标识病斑区域labBinaryImage(find(biasimage>=biasthresh))=1;

if ( nargout>1) % 输出背景图像上标识病斑区域
for cur=1:size(bgImage,3) % 对每个平面均进行标记，灰度图像与彩色图像均可
curLabSrcImage=bgImage(:,:,cur);curLabSrcImage(find(bias*image
labSrcImage(:,:,cur)=curLabSrcImage;
end
end

但也还存在一个问题，就是边界情况。即 biasimage=biasthresh 的像素点的类别。bias取不同值其归类规则略有差别。比如归类规则：biasimage>biasthresh，bias=1时表示大于阈值则认为是目标像素；bias=-1则小于等于阈值认为是目标像素。两者差一个等号。不能做到一致。