贝叶斯阈值分割算法在图像处理中的应用

%基于贝叶斯分类算法的图像阈值分割 
clear 
clc; 
Im = imread('flower.tif'); 
subplot(131),imhist(Im),title('直方图') 
subplot(132),imshow(Im) 
title('原始图像') 
[x,y]=size(Im);                    % 求出图象大小 
b=double(Im);                   
zd=max(max(Im))                  % 求出图象中最大的灰度 
zx=min(min(Im))                   % 最小的灰度  
T=(zd+zx)/2;                     % T赋初值，为最大值和最小值的平均值 
TT=0;                           %TT赋初值 
S0=0.0; n0=0.0;                   %为计算灰度大于阈值的元素的灰度总值、个数赋值 
S1=0.0; n1=0.0;                   %为计算灰度小于阈值的元素的灰度总值、个数赋值 
allow=10;                        % 新旧阈值的允许接近程度 
d=abs(T-TT); 
count=0;                         % 记录几次循环 
while(d>=allow)                   % 迭代最佳阈值分割算法 
    count=count+1; 
    for i=1:x, 
        for j=1:y, 
            if Im(i,j)<T, 
                S0=S0+b(i,j);      
                n0=n0+1; 
            end 
            if Im(i,j)>=T, 
                S1=S1+b(i,j); 
                n1=n1+1; 
            end