matlab hsi图像分割_图像分割之阈值分割（matlab）
图像分割是一种重要的图像处理的技术。
对于数字图像，我们往往会对他们中的某一部分感兴趣，这些部分我们称为前景或者目标， 其余部分称为背景。为了识别和分析图像中的目标，我们需要把他们从图像中提取出来，在此基础上对图像进行进一步的处理和应用，图像分割就是为了实现这个过程。
一.阈值分割法
1.灰度阈值法分割
灰度阈值分割就是把图像灰度分成不同的等级，然后确定灰度，门阈值的方法。灰度阈值分割其实就是二值化处理，即：选择一个阈值，将图像转化为黑白二值图像，用于图像分割以及边缘提取。
显然，图像阈值化处理是一种阶梯函数，属于图像灰度级的非线性运算，该变换函数曲线如图所示。它的功能是由用户指定一个阈值， 如果图像中某个像素的灰度值大于该阈值，则将该像素的灰度值置为255，否则将其灰度值置为0。
输入一张图像，并用imhist函数显示他的直方图。
从理论上来讲，以直方图双峰之间的谷底处灰度值作为阈值进行图像的阈值化处理，即可将目标和背景分割开来。
下面对他们进行图像分割
运行-如下代码
f=imread('ll.png');
f1=im2bw(f,91/255);
f2=im2bw(f,140/255);
f3=im2bw(f,120/255);
f4=im2bw(f,56/255);
subplot(2,2,1);imshow(f1);
subplot(2,2,2);imshow(f2);
subplot(2,2,3);imshow(f3);
subplot(2,2,4);imshow(f4);
可以看到，在图像分割的过程中，阈值不宜选的过大或者过小，都会大大影响分割的效果，所以，在使用阈值分割的过程中，阈值的选择很重要，但是使用直方图的方法不容易确定出合适的阈值，这时候我们就要使用科学的方法来确定，通常我们有以下几种方法来确定：
- 最小误差阈值
- 最大方差阈值
- 最佳阈值法
- 差别分析法
涉及科学计算的知识大家可以自行查阅资料掌握，下面我们重点讲述全局阈值法和局部阈值法分割。全局阈值法作为更先进的算法，可以直接算出阈值来，然后进行图像分割。
- 全局阈值分割
运行如下代码
I=imread('coins.png');
subplot(1,2,1);
imshow(I);
Level = graythresh(I); %求取二值化的阈值
BW = im2bw(I, level); %按阈值进行二值化
subplot(1,2,2);
imshow(BW);
2.局部阈值分割
这里采用一张我自己用手机拍的图片为例，对它进行局部阈值处理
n = imread('renjiancihua.jpg');
f=rgb2gray(n);
T = graythresh(f); % 自动获取阈值
T = T*255; % 阈值在区间[0,1]，需调整至[0,255]
g = f<=T;
subplot(1,2,1);imshow(f);title('原图像');
subplot(1,2,2);imshow(g);title(['阈值处理,阈值为' num2str(T)]);
今天的分享就到这里，后续在图像分割这一块会更新边缘检测，区域生长，区域分割有关内容。