%一維最大熵圖像分割
%
%
clear?all;
%圖像初始化
lenaRgb?=?imread（‘lena.jpg‘）;
image?=?rgb2gray（lenaRgb）;

%計算各個灰度級的概率存放在p矩陣中
p?=?zeros（2561）;%初始化p
for?i?=?1:size（image1）
????for?j?=?1:size（image2）
????????p（image（ij））?=?p（image（ij））?+?1;???
????end
end
p?=?p/（size（image1）*size（image2））;%算概率

%計算累積概率pt
pt?=?zeros（2561）;
for?i?=?1:256
????pt（i）?=?sum（p（1:i））;
end

H?=?zeros（2561）;
%求各個灰度值的O區(qū)和B區(qū)的熵之和
for?i?=?1:256
????if?pt（i）~=0?&&?pt（i）~=1?
????????%計算O區(qū)的熵
????????ho?=?0;
????????for?o=1:i
????????????if?p（o）~=0?
????????????temp?=?p（o）/pt（i）;
????????????ho?=?ho?-temp*log2（temp）;
????????????end
????????end
????
????????%計算B區(qū)的熵
????????hb?=?0;
????????for?b=i+1:256
????????????if?p（b）~=0
????????????temp?=?p（b）/（1-pt（i））;
????????????hb?=?hb?-?temp*log2（temp）;
????????????end
????????end
????????H（i）?=?hb?+?ho;
????end
end

[MAXt]?=?max（H）;%t是熵最大的位置，也就是上最大的灰度值

binaryImage?=?zeros（size（image））;
ind?=?find（image>t）;%閾值大于t的索引
binaryImage（ind）

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件??????18727??2015-12-08?11:55??基于一維和二維最大熵分割\lena.jpg

?????文件???????1239??2015-12-08?20:19??基于一維和二維最大熵分割\oneEntropy.m

?????文件???????2554??2015-12-08?20:12??基于一維和二維最大熵分割\twoEntropy.m

?????目錄??????????0??2015-12-08?20:20??基于一維和二維最大熵分割

-----------?---------??----------?-----??----

????????????????22520????????????????????4