一維最大熵分割

摘要圖像分割即通過一些必要的算法把圖像中有意義的部分或特征提取出來，將圖像分為若干有意義的區(qū)域，使得這些區(qū)域?qū)?yīng)圖像中的不同目標(biāo)，進(jìn)而能夠?qū)λ信d趣的區(qū)域進(jìn)行研究。通常用全局閾值法：全局閾值法是指在二值化的過程中只使用一個(gè)全局閾值T的方法。它將圖像的每個(gè)像素的灰度值與T進(jìn)行比較，若大于T,則取為前景色（白色）；否則取為背景色。典型的全局閾值法包括Otsu方法、最大熵方法等。為了滿足圖像處理應(yīng)用系統(tǒng)自動(dòng)化及實(shí)時(shí)性要求，圖像二值化的閾值選擇最好由計(jì)算機(jī)自動(dòng)來完成。一維最大熵分割法首先要將彩色圖像轉(zhuǎn)換成灰度圖像，利用Matlab仿真平臺(tái)的函數(shù)將圖像轉(zhuǎn)換成灰度圖像，再從灰度圖像中的直方圖找出最大熵對(duì)灰度圖像進(jìn)行分割變成二值圖像。關(guān)鍵詞：Matlab仿真平臺(tái)；數(shù)字圖像處理；一維最大熵分割目錄TOC\o"1-5"\h\z\o"CurrentDocument"1課程設(shè)計(jì)目的 1\o"CurrentDocument"課程設(shè)計(jì)要求 1\o"CurrentDocument"設(shè)計(jì)原理 1\o"CurrentDocument"一維最大熵分割法的相關(guān)知識(shí) 13.1.1 圖像二值化原理 13.1.2最大熵原理 23.1.3圖像分割的研究背景 33.1.4 圖像分割的基本原理 3\o"CurrentDocument"3.2MATLAB簡(jiǎn)介 4\o"CurrentDocument"3.2.1 基本功能 4\o"CurrentDocument"3.2.2 MATLAB產(chǎn)品應(yīng)用 43.2.3 MATLAB特點(diǎn) 5\o"CurrentDocument"3.2.4 MATLAB系列工具優(yōu)勢(shì) 5\o"CurrentDocument"課程設(shè)計(jì)分析 6\o"CurrentDocument"一維最大熵分割流程圖與分析 64.1.1一維最大熵分割流程圖 6\o"CurrentDocument"4.1.2流程圖分析 7\o"CurrentDocument"4.2 圖像的二值化算法 7\o"CurrentDocument"4.3 一維最大熵分割法 9\o"CurrentDocument"一維最大熵分割法的源代碼及分析 10\o"CurrentDocument"彩色圖像變換為灰度圖像的程序代碼 10\o"CurrentDocument"一維最大熵分割圖像的程序代碼 10\o"CurrentDocument"仿真與結(jié)果分析 11\o"CurrentDocument"6.1 采集的圖像 11\o"CurrentDocument"6.2 灰度變換后的圖像 12\o"CurrentDocument"6.3 一維最大熵分割后的圖像 13\o"CurrentDocument"6.4 分析 14結(jié)論 15\o"CurrentDocument"參考文獻(xiàn) 16一維最大熵分割法課程設(shè)計(jì)目的熟悉和掌握MATLAB程序設(shè)計(jì)方法。學(xué)習(xí)和掌握MATLAB圖像處理工具箱。查閱相關(guān)資料并分析，掌握一維最大熵分割法的主要思路。培養(yǎng)獨(dú)立分析和解決問題的能力，學(xué)會(huì)撰寫課程設(shè)計(jì)的總結(jié)報(bào)告。善于總結(jié)和改進(jìn)方案，提高可實(shí)施性和高效性。課程設(shè)計(jì)要求了解圖像變換的意義和手段。熟悉最大熵和二值化的基本性質(zhì)。通過本實(shí)驗(yàn)掌握利用MATLAB編程實(shí)現(xiàn)數(shù)字圖像處理。理解圖像分割的原理，了解其應(yīng)用，掌握最大熵和二值化分割的方法。設(shè)計(jì)原理一維最大熵分割法的相關(guān)知識(shí)圖像二值化原理圖像二值化是數(shù)字圖像處理技術(shù)中的一項(xiàng)基本技術(shù)，二值化圖像的顯示與打印十分方便，存儲(chǔ)與傳輸也非常容易，在目標(biāo)識(shí)別、圖像分析、文本增強(qiáng)、字符識(shí)別等領(lǐng)域得到廣泛應(yīng)用。圖像二值化是將灰度圖像轉(zhuǎn)化為只有黑白兩類像素的圖像，大多采用閾值化算法處理。在不同的應(yīng)用中，閾值的選取決定著圖像特。征信息的保留。因此，圖像二值化技術(shù)的關(guān)鍵在于如何選取閾值［1］。3.1.2最大熵原理最大熵原理：最大熵原理是在1957年由E.T.Jaynes提出的，其主要思想是，在只掌握關(guān)于未知分布的部分知識(shí)時(shí)，應(yīng)該選取符合這些知識(shí)但熵值最大的概率分布。因?yàn)樵谶@種情況下，符合已知知識(shí)的概率分布可能不止一個(gè)。我們知道，熵定義的實(shí)際上是一個(gè)隨機(jī)變量的不確定性，熵最大的時(shí)候，說明隨機(jī)變量最不確定，換句話說，也就是隨機(jī)變量最隨機(jī)，對(duì)其行為做準(zhǔn)確預(yù)測(cè)最困難。圖像分割中最大熵的引入：在圖像分割中若假定以灰度級(jí)T分割圖像，圖像中低于T灰度級(jí)的像素點(diǎn)構(gòu)成目標(biāo)物體(O)，高于灰度級(jí)T的像素點(diǎn)構(gòu)成背景(B)。P0區(qū)：亠i=1,2,3,...,t (3.1.1)PoPB區(qū)：—i—i=t+1,t+2,....,L-1 (3.2.2)1-Pi上式(3.1.1)和(3.2.2)中錯(cuò)誤!未找到引用源。所示，錯(cuò)誤!未找到引用源。Pt=￡P(guān)ii=1,2,3,……,ti=0(3.2.3)這樣對(duì)于數(shù)字圖像中的目標(biāo)和背景區(qū)域的熵分別為：TOC\o"1-5"\h\z\o"CurrentDocument"H=-工(=)lg(昱) i=l,2,3,...t (324)o P Pit tH=—工[P]lg[Pi]i=t+1,t+2,...L-1 (3.2.5)B.(1-P)5(1-p)itt其中Ni為圖像中灰度級(jí)為i的像素點(diǎn)個(gè)數(shù)，Nt為灰度級(jí)從0?t的像素點(diǎn)總和，N為圖像總像素點(diǎn)，t為假定灰度閾值T。令H=H+H?則根據(jù)最大信息熵理論在已知條件下要對(duì)圖像做出分割的OB最佳決策即為最接近實(shí)際圖像分割的理想決策[2]。3.1.3圖像分割的研究背景在一幅目標(biāo)圖像下，人們往往只是關(guān)注其中的一個(gè)或者幾個(gè)目標(biāo)，而這些目標(biāo)必然會(huì)占據(jù)一定的區(qū)域，并且與周圍其他目標(biāo)或背景在一些特征上會(huì)有相應(yīng)的差別。但是，很多時(shí)候這些差別會(huì)非常的細(xì)微，以至于人眼很難發(fā)覺，這就需要用一定的技術(shù)對(duì)圖片做一些處理。而計(jì)算機(jī)圖像處理技術(shù)的發(fā)展，很好地解決了這一難題，使得人們可以利用計(jì)算機(jī)技術(shù)來協(xié)助理這些信息，例如指紋識(shí)別、車牌識(shí)別以及醫(yī)學(xué)影像的鑒別操作等方向。圖像分割是圖像識(shí)別的基礎(chǔ)，其通過一些必要的算法把圖像中有意義的部分或特征提取出來，將圖像分為若干有意義的區(qū)域，并形成數(shù)字特征，這些區(qū)域?qū)?yīng)圖像中的不同目標(biāo)。這些具有某種特征的單元成為圖像的基元，這種經(jīng)過處理的基元更容易被快速處理。目前，數(shù)以千計(jì)的研究文獻(xiàn)和文章提出了許許多多的圖像分割算法，不同種類的圖像、不同的應(yīng)用要求和應(yīng)用領(lǐng)域所需要提取出的圖像特征是不相同的，所以并不存在普遍適用的最優(yōu)方法，只能根據(jù)圖像特征選擇與值相適應(yīng)的方法［3］。3.1.4圖像分割的基本原理圖像分割是根據(jù)圖像的直方圖和結(jié)構(gòu)特性或者一些具體的應(yīng)用需求將圖像劃分成兩個(gè)或多個(gè)互不相交的子區(qū)域的過程，這些子區(qū)域是在特定意義下的具有相同屬性的像素的連通集合。例如，一幅圖像中不同目標(biāo)物體所占的圖像區(qū)域、背景所占的背景區(qū)域等都屬于這樣的連通集合概念。對(duì)圖像分割的定義有多種不同的解釋，人們普遍接受的是通過集合定義的圖像分割。用集合R表示整個(gè)圖像區(qū)域，那么對(duì)整個(gè)圖像的分割可以等價(jià)于將集合R分成n個(gè)滿足以下準(zhǔn)則的區(qū)域：RURURU...UR二R;123n對(duì)當(dāng)i=1,2,3,...,n時(shí)，Ri是相連的；對(duì)Vi,j；；i豐j,有R：AR)=0對(duì)Vi,j；；；i豐j;有PGUR)=falseij對(duì)i=1,2,3，...,n;有P(R)=true目前提出的圖像分割方法很多，在此分為三種不同的途徑對(duì)其進(jìn)行分類：以物體的的邊界為對(duì)象進(jìn)行分割；先檢測(cè)邊緣像素，再將邊緣像素連接起來形成分割；以區(qū)域?yàn)閷?duì)象進(jìn)行分割，根據(jù)圖像的灰度、色彩、變換關(guān)系或組織結(jié)構(gòu)等方面的特征相似性來劃分圖像的子區(qū)域并將各像素劃分到特定區(qū)域。上述這些方法是互補(bǔ)的，不同的場(chǎng)合使用不同的方法，或者綜合各個(gè)方法已達(dá)到最佳的分割效果［4］。3.2MATLAB簡(jiǎn)介3.2.1基本功能MATLAB是很實(shí)用的數(shù)學(xué)軟件它在數(shù)學(xué)類科技應(yīng)用軟件中在數(shù)值運(yùn)算方面首屈一指。MATLAB可以進(jìn)行運(yùn)算、繪制函數(shù)和數(shù)據(jù)、實(shí)現(xiàn)算法、創(chuàng)建用戶界面、連接接其他編程語言的程序等，主要應(yīng)用于工程計(jì)算、控制設(shè)計(jì)、信號(hào)處理與通訊、金融建模設(shè)計(jì)與分析等領(lǐng)域。MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)、工程中常用的形式十分相似，故用MATLAB來解算問題要比用C，F(xiàn)ORTRAN等語言完成相同的事情簡(jiǎn)捷得多，并且mathwork也吸收了像Maple等軟件的優(yōu)點(diǎn),使MATLAB成為一個(gè)強(qiáng)大的數(shù)學(xué)軟件?？梢灾苯诱{(diào)用,用戶也可以將自己編寫的實(shí)用程序?qū)氲組ATLAB函數(shù)庫中方便自己以后調(diào)用，此外許多的MATLAB愛好者都編寫了一些經(jīng)典的程序，用戶可以直接進(jìn)行下載就可以用。MATLAB產(chǎn)品應(yīng)用MATLAB產(chǎn)品族可以用來進(jìn)行以下各種工作：?數(shù)值分析?數(shù)值和符號(hào)計(jì)算?工程與科學(xué)繪圖?控制系統(tǒng)的設(shè)計(jì)與仿真?數(shù)字信號(hào)處理技術(shù)?通訊系統(tǒng)設(shè)計(jì)與仿真MATLAB特點(diǎn)?此高級(jí)語言可用于技術(shù)計(jì)算?此開發(fā)環(huán)境可對(duì)代碼、文件和數(shù)據(jù)進(jìn)行管理?交互式工具可以按迭代的方式探查、設(shè)計(jì)及求解問題?二維和三維圖形函數(shù)可用于可視化數(shù)據(jù)?各種工具可用于構(gòu)建自定義的圖形用戶界面3.2.4MATLAB系列工具優(yōu)勢(shì)（1）友好的工作平臺(tái)和編程環(huán)境MATLAB由一系列工具組成。這些工具方便用戶使用MATLAB的函數(shù)和文件，其中許多工具采用的是圖形用戶界面。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。隨著MATLAB的商業(yè)化以及軟件本身的不斷升級(jí)，MATLAB的用戶界面也越來越精致，更加接近Windows的標(biāo)準(zhǔn)界面，人機(jī)交互性更強(qiáng)，操作更簡(jiǎn)單。而且新版本的MATLAB提供了完整的聯(lián)機(jī)查詢、幫助系統(tǒng)，極大的方便了用戶的使用。簡(jiǎn)單的編程環(huán)境提供了比較完備的調(diào)試系統(tǒng)，程序不必經(jīng)過編譯就可以直接運(yùn)行，而且能夠及時(shí)地報(bào)告出現(xiàn)的錯(cuò)誤及進(jìn)行出錯(cuò)原因分析。（2）簡(jiǎn)單易用的程序語言MATLAB一個(gè)高級(jí)的矩陣/陣列語言，它包含控制語句、函數(shù)、數(shù)據(jù)結(jié)構(gòu)、輸入和輸出和面向?qū)ο缶幊烫攸c(diǎn)。用戶可以在命令窗口中將輸入語句與執(zhí)行命令同步，也可以先編寫好一個(gè)較大的復(fù)雜的應(yīng)用程序（M文件）后再一起運(yùn)行。新版本的MATLAB語言是基于最為流行的C++語言基礎(chǔ)上的，因此語法特征與C++語言極為相似，而且更加簡(jiǎn)單，更加符合科技人員對(duì)數(shù)學(xué)表達(dá)式的書寫格式。使之更利于非計(jì)算機(jī)專業(yè)的科技人員使用。而且這種語言可移植性好、可拓展性極強(qiáng)，這也是MATLAB能夠深入到科學(xué)研究及工程計(jì)算各個(gè)領(lǐng)域的重要原因。（3）強(qiáng)大的科學(xué)計(jì)算機(jī)數(shù)據(jù)處理能力MATLAB是一個(gè)包含大量計(jì)算算法的集合。其擁有600多個(gè)工程中要用到的數(shù)學(xué)運(yùn)算函數(shù)，可以方便的實(shí)現(xiàn)用戶所需的各種計(jì)算功能。函數(shù)中所使用的算法都

是科研和工程計(jì)算中的最新研究成果，而前經(jīng)過了各種優(yōu)化和容錯(cuò)處理。在通常情況下，可以用它來代替底層編程語言，如C復(fù)數(shù)的各種運(yùn)算、三角函數(shù)和其他初等數(shù)學(xué)運(yùn)算、多維數(shù)組操作以及建模動(dòng)態(tài)仿真等［5］。課程設(shè)計(jì)分析4.1一維最大熵分割流程圖與分析將彩色圏線變換為灰度閨獴圖4.1.1一維最大熵分割流程圖［讀取圖片將彩色圏線變換為灰度閨獴圖4.1.1一維最大熵分割流程圖［讀取圖片J輸閑二值化圖邃利用全，局閾億法獲取最大爛根撼最大精對(duì)灰度圏獴進(jìn)行二值化處理流程圖分析從計(jì)算機(jī)中選取要進(jìn)行分割的圖片，輸入到Matlab程序中，利用Matlab函數(shù)rgb2gray對(duì)圖片進(jìn)行灰度轉(zhuǎn)換，再利用全局閾值法的算法：Yt=log(Pt.*(1-Pt)+eps)+Ht./(Pt+eps)+(HL-Ht)./(1-Pt+eps);[a,th]=max(Yt);找出灰度圖像中的一維最大熵，即th:根據(jù)最大熵對(duì)圖像進(jìn)行二值化處理，最后輸出結(jié)果圖像；4.2圖像的二值化算法灰度圖(Grayscale)是指只含亮度信息，不含色彩信息的圖像，就像我們平時(shí)看到亮度由暗到明的黑白照片。因此，要表示灰度圖，就需要把亮度值進(jìn)行量化。通常劃分成0到255共256個(gè)級(jí)別，0最暗(全黑)，255最亮(全白)。BMP格式的文件中并沒有灰度圖這個(gè)概念，但是我們可以很容易地用BMP文件來表示灰度圖。方法是用256色的調(diào)色板，只不過這個(gè)調(diào)色板有點(diǎn)特殊，每一項(xiàng)的RGB值都是相同的，也就是說RGB值從(0,0，0)，(l,l,1)一直到(255,255，255)。(0，0，0)是全黑色，(255，255，255)是全白色，中間的是灰色。這樣，灰度圖就可用256色圖來表示?；叶葓D使用比較方便。首先RGB的值都一樣；其次，圖像數(shù)據(jù)即調(diào)色板索引值，也就是實(shí)際的RGB的亮度值；另外因?yàn)槭?56色的調(diào)色板，所以圖像數(shù)據(jù)中的一個(gè)字節(jié)代表一個(gè)像素。如果是彩色的256色圖，圖像處理后有可能會(huì)產(chǎn)生不屬于這256種顏色的新顏色，所以，圖像處理一般采用灰度圖。在本中會(huì)介紹將彩色圖像轉(zhuǎn)化為灰度圖像的方法(圖像灰度化處理)。另外，本文所做的程序，如不做特殊說明，都是針對(duì)256級(jí)灰度圖的。圖像灰度化由于實(shí)驗(yàn)使用的是彩色數(shù)碼相機(jī)，所以最初輸入計(jì)算機(jī)的是24位真彩色圖像，而在本課題的后續(xù)研究中，如前面所述，主要是對(duì)灰度圖像進(jìn)行處理。因此有必要將24位彩色圖像轉(zhuǎn)化為灰度圖。為了用計(jì)算機(jī)來表示和處理顏色，必須用定量的方法來描述顏色，即建立顏色模型，而顏色模型的基礎(chǔ)是建立在色度學(xué)理論上的。色度學(xué)理論是T.Young在1802年提出的，其基本內(nèi)容是：任何色彩均可以由三種不同的基本顏色按不同的比例混合而成，即：C=aC+bC+cC (4.1)123其中C1,C2,C3為三原色(又稱三基色)，a，b，c為三種原色的權(quán)值(三原色的比例或濃度)，C為所合成的顏色，可為任意顏色。色彩與亮度均是一種視覺感受，這種感受分別產(chǎn)生紅、綠、藍(lán)的視覺感受。實(shí)驗(yàn)已經(jīng)證明，由對(duì)應(yīng)三種視敏細(xì)胞而產(chǎn)生紅、綠、藍(lán)三種顏色作為任何顏色的基本色的理論稱為三基色原理。原理指出：自然界的可見顏色都可以用三種基色按一定比例混合得到；反之，任意一種顏色都可以分解為三種顏色。作為原色的三種顏色應(yīng)該相互獨(dú)立，即其中任何一種都不能用其它兩種混合得到。三原色之間的比例直接決定混合色調(diào)的飽和度。混合色的亮度等于各原色的亮度之積。在目前提出的多種顏色模型中，RGB顏色模型是實(shí)際應(yīng)用中最多的一種。我們?cè)谇懊婕航?jīng)做了一些簡(jiǎn)單而具有代表性的介紹，我們?cè)诖说闹饕蝿?wù)是如何將彩色圖像轉(zhuǎn)化為灰度圖像，即圖像灰度化處理?；叶然褪翘娌噬粓D的R,G，B三個(gè)分量找一個(gè)合適的、相等的值，以便將其轉(zhuǎn)換為灰度圖的過程。由于R,G，B的取值范圍是0~255,所以灰度的級(jí)別只有256級(jí)，即灰度圖像僅能表現(xiàn)256種顏色(灰度)。常用的灰度化處理方法有最大值法、平均值法和加權(quán)平均值法。最大值法：灰度值等于R,G，B分量的最大值，R=G=B=MAX(R,G,B)。最大值法會(huì)形成亮度很高的圖像。平均值法：灰度值等于R,G,B分量的平均值，R=G=B=(R+G+B)一3。平均值法會(huì)形成比較柔和的圖像。加權(quán)平均值法：根據(jù)重要性或其他指標(biāo)給R,G,B賦予不同的權(quán)值，并使，R,G,B的值平均加權(quán)，即R二G二B二(wxR+wxG+wxB)-3，式中rgbw,ww。分別為R,G,B的加權(quán)系數(shù)，且ww+w=1。w,w,w取不同的rg,b r+gr rgb值使用該方法將形成不同的灰度圖像。由于人眼對(duì)綠色敏感度最高，對(duì)紅色的敏感度次之，對(duì)藍(lán)色敏感度最低，因此使w>w>w將得到合理的灰度圖像，實(shí)grb

驗(yàn)和理論證明，當(dāng)w=0.03,w=0.59,w=0.11時(shí)能得到最適合人眼觀察的圖像。rgr本文采用加權(quán)平均值灰度化法處理圖像，所采用的加權(quán)系數(shù)為：w二0.03,w二0.59,w二0.11，由于灰度圖像僅能顯示256色灰度級(jí)，因此對(duì)真rgr彩色圖像(24位)進(jìn)行灰度化處理時(shí)，首先要將其轉(zhuǎn)化為8位位圖，然后按加權(quán)平均值法進(jìn)行灰度化處理。先將原彩色圖變?yōu)榛叶葓D?；叶葓D像是指只含亮度信息，不含色彩信息的圖像,將彩色圖像轉(zhuǎn)化成為灰度圖像的過程稱為圖像的灰度化處理。再將灰度圖二值化，圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為0或255，也就是使整個(gè)圖像呈現(xiàn)出明顯的黑白效果。即將256個(gè)亮度等級(jí)的灰度圖像通過適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像［6］。一維最大熵分割法一維最大熵分割法的思想是統(tǒng)計(jì)圖像中每一個(gè)灰度級(jí)出現(xiàn)的概率，計(jì)算該灰度級(jí)的熵［7］ H二一p(x)lgp(x)d (4.2)x假設(shè)以灰度級(jí)T分割圖像，圖像中低于T灰度級(jí)的像素點(diǎn)構(gòu)成目標(biāo)物體(O),高于灰度級(jí)T的像素點(diǎn)構(gòu)成背景(B)。4.2.1)P4.2.1)0區(qū)：一^i=l,2,3,...,tPoB區(qū):Pi1B區(qū):Pi1—Pii=t+1,t+2, ,L-14.2.2)上式(3.1.1)和(3.2.2)中錯(cuò)誤!未找到引用源。所示，P=￡P(guān)i=l,2,3,……,t (4.2.3)tii=0這樣對(duì)于數(shù)字圖像中的目標(biāo)和背景區(qū)域的熵分別為：PPH=―乙—lg(—) i=1,2,3,...t (4.2.4)oPPittPPH=—乙[—i ]lg[i] i=t+1,t+2,...L-1 (4.2.5)B (1—P) (1—P)ttt對(duì)圖像中的每一個(gè)灰度級(jí)分別求取w=H+H，選取使w最大的灰度級(jí)作為分OB割圖像的閾值，這就是一維最大閾值圖像分割法［8］。

一維最大熵分割法的源代碼及分析彩色圖像變換為灰度圖像的程序代碼clcclearclcclearE=imread('a.jpg');figure,imshow(E);title('原圖像')；K=rgb2gray(E);figure,imshow(K)；%讀取圖片%顯示圖片%給圖片命名%給彩色圖片做灰度變換%顯示變換后的圖片title('灰度圖像');一維最大熵分割圖像的程序代碼vHist=imhist(K);[m,n]=size(K);p=vHist(find(vHist>0))/(m*n);%求每一不為零的灰度值的概率Pt二cumsum(p);%計(jì)算出選擇不同t值時(shí)，A區(qū)域的概率Ht=-cumsum(p.*log(p));%計(jì)算出選擇不同t值時(shí)，A區(qū)域的熵HL=-sum(p.*log(p));%計(jì)算出全圖的熵Yt=log(Pt.*(1-Pt)+eps)+Ht./(Pt+eps)+(HL-Ht)./(l-Pt+eps);%計(jì)算出選擇不同t值時(shí)，判別函數(shù)的值[a,th]=max(Yt); %找到熵最大的值segImg=(K>th); %顯示二值化后的圖像figure,imshow(segImg);title('—維最大熵分割方法處理后的圖像');

仿真與結(jié)果分析6.1采集的圖像如圖6-1所示，是采集的寵物貓的圖片，該圖像經(jīng)MatLab顯示后如圖所示圖6-1原圖像灰度變換后的圖像然后，將采集到的彩色圖像變換為灰度圖像，即為黑白的圖像，圖像只含亮度信息，不含色彩信息，變換后的灰度圖像如圖6-2所示：□o灰度團(tuán)像￡口X□o灰度團(tuán)像￡口XFileEditViewinsertToolsDesktopWindowHelp一維最大熵分割后的圖像將灰度圖像變換為二值圖像，使二值化后的圖像呈現(xiàn)出明顯的黑白效果，背景和前景分割比較明顯,分割效果比較理想，一維最大熵分割方法處理后的圖像如圖6-3所示：PJFigure3FileEditViewInsertToolsQesktopWindowHelp層□E—維最大慵分割方法處理后的團(tuán)像圖6-3一