【图像分割】贝叶斯算法阙值图像分割【含Matlab源码 1475期】.zip

%基于贝叶斯分类算法的图像阈值分割 clear clc; Init = imread('SLR.bmp'); Im=rgb2gray(Init); subplot(131),imhist(Im),title('直方图') subplot(132),imshow(Im) title('原始图像') [x,y]=size(Im); % 求出图象大小 b=double(Im); zd=double(max(Im)) % 求出图象中最大的灰度 zx=double(min(Im)) % 最小的灰度 T=double((zd+zx))/2; % T赋初值，为最大值和最小值的平均值 count=double(0); % 记录几次循环 while 1 % 迭代最佳阈值分割算法 count=count+1; S0=0.0; n0=0.0; %为计算灰度大于阈值的元素的灰度总值、个数赋值 S1=0.0; n1=0.0; %为计算灰度小于阈值的元素的灰度总值、个数赋值 for i=1:x for j=1:y if double(Im(i,j))>=T S1=S1+double(Im(i,j)); %大于阈域值图像点灰度值累加 n1=n1+1; %大于阈域值图像点个数累加 else S0=S0+double(Im(i,j)); %小于阈域值图像点灰度值累加 n0=n0+1; %小于阀域值图像点个数累加 end end end T0=S0/n0; %求小于阀域值均值 T1=S1/n1; %求大于阀域值均值 if abs(T-((T0+T1)/2))<0.1 %迭代至 前后两次阀域值相差几乎为0时 停止迭代。 break; else T=(T0+T1)/2; %在阈值T下，迭代阈值的计算过程 end end count %显示运行次数 T i1=im2bw(Im,T/255); % 图像在最佳阈值下二值化 subplot(133),imshow(i1) title('实验结果')