資源簡介
閾值分割后基于形狀做的模板匹配,使用最大熵閾值分割法,效果優于otsu。
代碼片段和文件信息
clear;clc;
d1=0;d2=0;d3=0;
Imag=imread(‘1.png‘);%待分割圖片
[X?Y]?=?size(Imag);
%?計算圖像直方圖
hist?=?imhist(Imag);
p?=?hist/(X*Y);?%?各灰度概率
?
sumP?=?cumsum(p);
sumQ?=?1-sumP;
?
%將256個灰度作為256個分割閾值,分別計算各閾值下的概率密度函數
c0?=?zeros(256256);
c1?=?zeros(256256);
for?i?=?1:256
????for?j?=?1:i
????????if?sumP(i)?>?0
????????????c0(ij)?=?p(j)/sumP(i);?%計算各個閾值下的前景概率密度函數
????????else
????????????c0(ij)?=?0;
????????end
????????for?k?=?i+1:256
????????????if?sumQ(i)?>?0;
????????????????c1(ik)?=?p(k)/sumQ(i);?%計算各個閾值下的背景概率密度函數
????????????else
????????????????c1(ik)?=?0;
????????????end
????????end
????end?
end
?
%計算各個閾值下的前景和背景像素的累計熵
H0?=?zeros(256256);
H1?=?zeros(256256);
for?i?=?1:256
???for?j?=?1:i
???????if?c0(ij)?~=0
???????????H0(ij)?=??-?c0(ij).*log10(c0(ij)
- 上一篇:高斯函數的直方圖規定化
- 下一篇:30W buck電路的設計.rar
評論
共有 條評論