使用大津算法进行图像二值化的matlab代码

下面是使用大津算法进行图像二值化的 MATLAB 代码：

% 读取图像
img = imread('image.png');

% 将图像转换为灰度图像
gray_img = rgb2gray(img);

% 计算灰度图像的直方图
histogram = imhist(gray_img);

% 计算像素总数
total_pixels = numel(gray_img);

% 初始化最优阈值和方差
optimal_threshold = 0;
max_variance = 0;

% 遍历所有可能的阈值
for threshold = 1:255
    % 计算背景和前景的像素数和像素值总和
    background_pixels = sum(histogram(1:threshold));
    foreground_pixels = sum(histogram(threshold+1:end));
    background_sum = dot(histogram(1:threshold), (1:threshold)');
    foreground_sum = dot(histogram(threshold+1:end), (threshold+1:255)');
    
    % 计算背景和前景的平均像素值
    background_mean = background_sum / background_pixels;
    foreground_mean = foreground_sum / foreground_pixels;
    
    % 计算背景和前景的方差
    background_variance = dot(histogram(1:threshold), ((1:threshold)' - background_mean).^2) / background_pixels;
    foreground_variance = dot(histogram(threshold+1:end), ((threshold+1:255)' - foreground_mean).^2) / foreground_pixels;
    
    % 计算加权方差
    weighted_variance = background_pixels/total_pixels * background_variance + foreground_pixels/total_pixels * foreground_variance;
    
    % 如果加权方差更大，更新最优阈值和方差
    if weighted_variance > max_variance
        max_variance = weighted_variance;
        optimal_threshold = threshold;
    end
end

% 使用最优阈值进行二值化
binary_img = gray_img > optimal_threshold;

% 显示二值化结果
imshow(binary_img);

在代码中，我们首先读取图像并将其转换为灰度图像。然后计算灰度图像的直方图和像素总数。接着使用一个循环遍历所有可能的阈值，计算该阈值下背景和前景的像素数、像素值总和、平均像素值和方差。最后，根据加权方差选择最优阈值，并使用该阈值进行二值化。最终的二值化结果通过imshow函数显示出来。