matlab基于灰度图像的阈值分割

基于区域的全局阈值选取方法
        对一幅图像而言，不同的区域，比如说目标区域或背景区域，同一区域内的像素，在位置和灰度级上同时具有较强的一致性和相关性。
而在上述基于点的全局阈值选取方法中，有一个共同的弊病，那就是它们实际上只考虑了直方图提供的灰度级信息，而忽略了图像的空间位置细节，其结果就是它们对于最佳阈值并不是反映在直方图的谷点的情况会束手无策，不幸我们通常遇到的很多图像恰恰是这种情况。另一方面，完全不同的两幅图片却可以有相同的直方图，所以即使对于峰谷明显的情况，这些方法也不能保证你得到合理的阈值。于是，人们又提出了很多基于空间信息的阈值化方法。
        可以说，局域区域的全局阈值选取方法，是基于点的方法，再加上考虑点领域内像素相关性质组合而成。
3.1 直方图变化法
      从理论上说，直方图的谷底是非常理想的分割阈值，然后在实际应用中，图像常常受到噪声等的影响而使其直方图上原本分离的峰之间的谷底被填充，或者目标和背景的峰相距很近或者大小差不多，要检测他们的谷底就很难了。
而直方图变化法，就是利用一些像素领域的局部性质变换原始的直方图为一个新的直方图。这个新的直方图与原始直方图相比，或者峰之间的谷底更深，或者谷转变成峰从而更易于检测。这里的像素领域局部性质，在很多方法中经常用的是像素的梯度值。
          例如，由于目标区的像素具有一定的一致性和相关性，因此梯度值应该较小，背景区也类似。而边界区域或者噪声，就具有较大的梯度值。最简单的直方图变换方法，就是根据梯度值加权，梯度值小的像素权加大，梯度值大的像素权减小。这样，就可以使直方图的双峰更加突起，谷底更加凹陷。

说明：为了防止网络上可以查找到本毕业设计的论文及实际界面信息保护购买者的利益1、本计算机毕业设计样本提供的只是有关此设计论文和程序的简单介绍，要想取得完整的作品，需要你与本站联系。2、本样本只是从论文中摘录一部分，在内容、字体、字号排版上与实际作品有一定的差别，请以本站实际提供的作品为准。需要了解本计算机毕业设计的具体详细信息请联系本站客服。