ostu自动阈值分割算法MATLAB

Ostu自动阈值分割算法是一种经典的图像二值化技术，它基于最大熵原理，由John Otsu在1979年提出。在MATLAB中，可以使用`imbinarize`函数或者`bwlabeln`、`bwareaopen`等函数组合来实现这个算法。以下是基本步骤：

1. **读取图像**：首先从文件或矩阵中加载需要处理的灰度图像。

img = imread('image.png'); % 替换为你的图片路径

2. **计算直方图**：计算图像的灰度值概率分布。

histogram = imhist(img(:), 256); % 创建256个bins的直方图

3. **寻找最佳阈值**：计算每个阈值下的两个类别的均值，并找到能使黑白两类像素最大化类间方差的那个阈值。

sumB = sum(hist(1:end-1)); % 类别B像素总和
mu_B = sum(sumB .* (1:hist(end)-1)); % B类像素平均灰度
mu_W = sum((1:hist(end)-1) .* hist); % A类像素平均灰度
sigma_BW = sqrt(sum(sumB .* ((1:hist(end)-1).^2 .* hist .* (mu_B - (1:hist(end)-1)).^2));

threshold = find(sigma_BW + sigma_WB == min(sigma_BW + sigma_WB), 1);

4. **应用阈值**：使用`imbinarize`函数对图像进行二值化。

binary_img = imbinarize(img, threshold);

5. **结果展示**：最后，你可以查看二值化的结果。

imshow(binary_img, []);
title('Ostu自动阈值分割后的图像');