Matlab 数字图像 阈值处理

10.3 阈值处理
由于实现的直观性和简单性，图像阈值处理在图象分割应用中占有重要的地位。简单的阈值处理在2.72节（记录在基本原理）已经讨论过了，本节将讨论自动选择阈值的方法，此外还要介绍一种依照局部图像邻域的性质来改变阈值的方法。
假设如图10.12所示的直方图对应于图像f(x, y)，采用这种方法，目标和背景象素会具有两种主要模式的灰度级。一种从背景上提取对象的明显方法是选取一个阈值T来分离这两种模式。任何满足\(f(x, y) \geq T\)的点(x, y)称为对象点，其他点则称为背景点。
\[g(x, y) = \begin{cases} &1, f(x, y) \geq T \\ &0 f(x, y) \leq T\]
T为常数时，称为全局阈值处理。T可变时，称为局部阈值处理。

10.3.1 全局阈值处理
选取阈值的一种方法是目视检查直方图。图10.12 所示的直方图有两个不同的模式；正如结果所示，我们可以很容易地选取一个阈值T来分开它们。另一种选择T的方法是反复试验，挑选不同的阈值，知道观察者觉得产生了较好的结果时为止。这在交互环境下特别有效，例如，这种方法允许用户使用一个图形控件（如滑动条）来改变阈值并可立即看到结果。
自动确定阈值的迭代步骤如下：
1. 为T选取一个厨师估计值（建议厨师估计值为图像中最大亮度值和最小亮度值的中间值）
2. 使用T分割图像。这会产生两组象素：亮度值大于等于T的所有象素组成的G1，亮度值小于T的G2。
3. 计算G1和G2范围呢