全局 、OTSU 、迭代式阈值处理matlab实现

1. 全局阈值处理

全局阈值处理是指将整个图像分成两个部分：背景和物体。在MATLAB中，可以通过以下代码实现全局阈值处理：

% 读取图像
I = imread('test.jpg');
% 灰度化
I = rgb2gray(I);
% 计算全局阈值
level = graythresh(I);
% 二值化
BW = imbinarize(I, level);
% 显示结果
imshow(BW);

2. OTSU阈值处理

OTSU阈值处理是一种自适应阈值处理方法，可以自动计算最佳阈值。在MATLAB中，可以通过以下代码实现OTSU阈值处理：

% 读取图像
I = imread('test.jpg');
% 灰度化
I = rgb2gray(I);
% 计算OTSU阈值
level = graythresh(I);
% 二值化
BW = imbinarize(I, level);
% 显示结果
imshow(BW);

3. 迭代式阈值处理

迭代式阈值处理是指通过不断迭代计算阈值，以达到更好的二值化效果。在MATLAB中，可以通过以下代码实现迭代式阈值处理：

% 读取图像
I = imread('test.jpg');
% 灰度化
I = rgb2gray(I);
% 初始化阈值
T = mean2(I);
% 迭代计算阈值
done = false;
while ~done
    % 根据当前阈值计算背景和前景像素的平均值
    fg = I > T;
    bg = I <= T;
    u1 = mean2(I(fg));
    u2 = mean2(I(bg));
    % 更新阈值
    Tnext = (u1 + u2) / 2;
    % 判断是否收敛
    done = abs(T - Tnext) < 0.5;
    T = Tnext;
end
% 二值化
BW = imbinarize(I, T);
% 显示结果
imshow(BW);

在上面的代码中，我们首先初始化阈值为图像的平均灰度值，然后不断迭代计算背景和前景像素的平均值，并更新阈值，直到阈值收敛。最后将图像二值化并显示结果。需要注意的是，迭代式阈值处理的计算量较大，适合处理较小的图像。