迭代法和大津法matlab

好的，迭代法和大津法都是图像处理中常用的算法。下面是它们在 MATLAB 中的实现。

迭代法：

假设要对一张灰度图像进行阈值分割，先将图像的像素值进行归一化到 [0,1] 的范围内，然后随机选取一个初始阈值 t0。然后分别计算图像中像素值小于 t0 和大于等于 t0 的两部分像素值的均值，再将这两个均值的平均值作为新的阈值 t1。重复这个过程，直到新阈值与旧阈值之间的差别小于一定的阈值，即可得到最终的阈值。

MATLAB 代码如下：

% 读取图像
img = imread('lena.png');
% 将像素值归一化到 [0,1] 范围内
img = double(img) / 255;
% 设置初始阈值
t0 = 0.5;
% 设置阈值变化的最小值
delta_t = 0.001;
while true
    % 计算小于阈值的像素值的均值
    mu1 = mean(img(img < t0));
    % 计算大于等于阈值的像素值的均值
    mu2 = mean(img(img >= t0));
    % 计算新的阈值
    t1 = (mu1 + mu2) / 2;
    % 判断是否满足阈值变化的最小值要求
    if abs(t1 - t0) < delta_t
        break;
    end
    % 更新阈值
    t0 = t1;
end
% 对图像进行二值化
bw = img >= t0;
% 显示结果
imshow(bw);

大津法：

大津法的原理是基于图像的灰度直方图进行分析，通过最大化类间方差来确定最优阈值。具体做法是先计算出图像的灰度直方图，然后对于每一个可能的阈值 t，将图像像素分为两类：小于 t 和大于等于 t。然后分别计算这两类像素的平均灰度值和像素数量，进而计算出类间方差，最终选择使类间方差最大的阈值作为最优阈值。

MATLAB 代码如下：

% 读取图像
img = imread('lena.png');
% 将图像转为灰度图像
img = rgb2gray(img);
% 计算灰度直方图
histogram = imhist(img);
% 图像总像素数量
total_pixels = numel(img);
% 初始化最大方差和最优阈值
max_variance = 0;
optimal_threshold = 0;
% 对每个可能的阈值进行计算
for t = 1 : 256
    % 小于阈值的像素数量
    w1 = sum(histogram(1:t));
    % 大于等于阈值的像素数量
    w2 = total_pixels - w1;
    % 小于阈值的像素的平均灰度值
    u1 = sum((0:t-1) .* histogram(1:t)) / w1;
    % 大于等于阈值的像素的平均灰度值
    u2 = sum((t:255) .* histogram(t+1:end)) / w2;
    % 计算类间方差
    variance = w1 * w2 * (u1 - u2)^2;
    % 更新最大方差和最优阈值
    if variance > max_variance
        max_variance = variance;
        optimal_threshold = t - 1;
    end
end
% 对图像进行二值化
bw = img >= optimal_threshold;
% 显示结果
imshow(bw);

希望这些代码能对你有所帮助！