圖像閾值分割工具箱

A. Matlab 灰度圖像的閾值分割 不設定閾值的話matlab自動設定的閾值是多少

首先你的這個圖是灰度圖，只有在灰度圖上才能進行二值化分析，看來樓主是小白嘍im2bw(A1);這個命令其實省略了一步。全部的應該是im2bw(A1,level);而這個level就是系統默認的二值化閾值，他的值是由系統自帶的函數level = graythresh(A1); 處理而得來的，你要是想看看graythresh函數那麼你直接type graythresh或者open graythresh打開函數就可以看個詳細了，你這個圖簡單，當然好處理，要是遇見復雜的就得自己編了

B. 對圖像閾值分割後進行了二值化處理。那其中的255和1 是什麼關系

一般灰度圖像的灰度級為1~256或者0~255，你可以自己選擇，255和1就是這個圖像的最大和最小的灰度級。

C. 一幅圖像通過閾值分割演算法得到最佳閾值，怎麼通過閾值得到分割後的兩幅圖像比如說：分割舌苔舌質

根據灰度、梯度、形態等來設定自適應閾值。
設定過程：設置→參數→選擇（灰度、梯度、形態）→輸入數值→計算閾值→搞定。

閾值又叫臨界值，是指一個效應能夠產生的最低值或最高值。
閾值又稱閾強度，是指釋放一個行為反應所需要的最小刺激強度。低於閾值的刺激不能導致行為釋放。在反射活動中，閾值的大小是固定不變的，在復雜行為中，閾值則受各種環境條件和動物生理狀況的影響。當一種行為更難於釋放時，就是閾值提高了;當一種行為更容易釋放時，就是閾值下降了。一般說來，剛剛完成某一行為後，動物對這一行為的要求就會大大下降。例如剛交過尾的動物，對於性刺激或是沒有反應或是反應很弱，這就意味著釋放性行為的閾值增加了。類似情況在覓食行為和其他行為中也很常見。另一方面，長時間未發生的行為非常容易被釋放，釋放這種行為的刺激強度會變得非常小。在極端情況下，閾值的降低可以導致行為的自發產生，這就是空放行為(vacuum behavior)。空放行為是一種無刺激行為釋放，是達不到該種行為目的的一種行為。最令人信服的實例是織巢鳥的築巢行為。飼養在鳥籠中的織巢鳥，在得不到任何築巢材料和代用物的情況下，也完全可以表現出築巢動作，雖然這種動作達不到它本來的目的。
閾值又叫臨界值，是指一個效應能夠產生的最低值或最高值。

D. 想要做灰度圖像的閾值分割，求出閾值後，為什麼不能顯示處理後的圖像謝謝

用自己的灰度圖片試了你的程序，沒發現有錯誤。。。你一步一步檢查一下 看看I圖像對不 是什麼格式的double還是uint8還是什麼的 然後檢查level閾值 是不是在0-1之間

E. 我利用matlab完成了彩色圖像的閾值分割,但是分割後的圖片是二值的,我要求分割後是彩色圖像，接下來如何處理

[m,n]=size(im);%原圖像的大小
for i=1:m;
for j=1:n;
if binarymap(i,j) ==1%binarymap是你的二值圖像
im(i,j,1)=255;
i m(i,j,2)=255;
im(i,j,3)=255;
end
end
end
figure
imshow(im);

F. 圖像分割matlab程序，運行後，分割結果為全黑，閾值th顯示128，這是什麼情況請求解答

代碼寫錯了
%% 迭代閾值選擇法二值化圖像與Otsu閾值選擇法二值化圖像比較
clc;
clear all;
close all;
f=imread('8_256_lena.bmp','bmp');
subplot(2,2,1);
subimage(f);title('原始圖像');
f=double(f);
T=(min(f(:))+max(f(:)))/2;
done=false;
i=0;
while ~done
r1=find(f<=T);
r2=find(f>T);
Tnew=(mean(f(r1))+mean(f(r2)))/2;
done=abs(Tnew-T)<1;
T=Tnew;
i=i+1;
end
f(r1)=0;
f(r2)=1;
subplot(2,2,2);
subimage(f);title('迭代閾值二值化圖像圖像');
f=imread('8_256_lena.bmp','bmp');
subplot(2,2,3);
subimage(f);title('原始圖像');
T=graythresh(f);
g=im2bw(f,T);
subplot(2,2,4);
subimage(g);title('Otsu方法二值化圖像');

G. 如何用opencv實現圖像閾值化分割

顏色直方圖是在許多圖像檢索系統中被廣泛採用的顏色特徵。它所描述的是不同色彩在整幅圖像中所佔的比例，而並不關心每種色彩所處的空間位置，即無法描述圖像中的對象或物體。顏色直方圖特別適於描述那些難以進行自動分割的圖像。
OpenCV對顏色直方圖進行統計的代碼如下所示，在圖像檢索，鏡頭分割等領域使用的還是比較多的。
#include <cv.h> #include <highgui.h> #include <iostream> using namespace std; int main( int argc, char** argv ) { IplImage * src= cvLoadImage("F:\\test3.jpg"); IplImage* hsv = cvCreateImage( cvGetSize(src), 8, 3 ); IplImage* h_plane = cvCreateImage( cvGetSize(src), 8, 1 ); IplImage* s_plane = cvCreateImage( cvGetSize(src), 8, 1 ); IplImage* v_plane = cvCreateImage( cvGetSize(src), 8, 1 ); IplImage* planes[] = { h_plane, s_plane }; /** H 分量劃分為16個等級，S分量劃分為8個等級 */ int h_bins = 16, s_bins = 8; int hist_size[] = {h_bins, s_bins}; /** H 分量的變化范圍 */ float h_ranges[] = { 0, 180 }; /** S 分量的變化范圍*/ float s_ranges[] = { 0, 255 }; float* ranges[] = { h_ranges, s_ranges }; /** 輸入圖像轉換到HSV顏色空間 */ cvCvtColor( src, hsv, CV_BGR2HSV ); cvCvtPixToPlane( hsv, h_plane, s_plane, v_plane, 0 ); /** 創建直方圖，二維, 每個維度上均分 */ CvHistogram * hist = cvCreateHist( 2, hist_size, CV_HIST_ARRAY, ranges, 1 ); /** 根據H,S兩個平面數據統計直方圖 */ cvCalcHist( planes, hist, 0, 0 ); /** 獲取直方圖統計的最大值，用於動態顯示直方圖 */ float max_value; cvGetMinMaxHistValue( hist, 0, &max_value, 0, 0 ); /** 設置直方圖顯示圖像 */ int height = 240; int width = (h_bins*s_bins*6); IplImage* hist_img = cvCreateImage( cvSize(width,height), 8, 3 ); cvZero( hist_img ); /** 用來進行HSV到RGB顏色轉換的臨時單點陣圖像 */ IplImage * hsv_color = cvCreateImage(cvSize(1,1),8,3); IplImage * rgb_color = cvCreateImage(cvSize(1,1),8,3); int bin_w = width / (h_bins * s_bins); for(int h = 0; h < h_bins; h++) { for(int s = 0; s < s_bins; s++) { int i = h*s_bins + s; /** 獲得直方圖中的統計次數，計算顯示在圖像中的高度 */ float bin_val = cvQueryHistValue_2D( hist, h, s ); int intensity = cvRound(bin_val*height/max_value); /** 獲得當前直方圖代表的顏色，轉換成RGB用於繪制 */ cvSet2D(hsv_color,0,0,cvScalar(h*180.f / h_bins,s*255.f/s_bins,255,0)); cvCvtColor(hsv_color,rgb_color,CV_HSV2BGR); CvScalar color = cvGet2D(rgb_color,0,0); cvRectangle( hist_img, cvPoint(i*bin_w,height), cvPoint((i+1)*bin_w,height - intensity), color, -1, 8, 0 ); } } cvNamedWindow( "Source", 1 ); cvShowImage( "Source", src ); cvNamedWindow( "H-S Histogram", 1 ); cvShowImage( "H-S Histogram", hist_img ); cvWaitKey(0); }

H. matlab彩色圖像的閾值分割

閾值分割就是針對灰度圖像的，通過設定一個閾值可以在分割後達到二值化的效果。對彩色圖像進行閾值分割，當然也是轉成灰度圖後進行分割了。

假如你對各個顏色分量分別進行閾值化，我給你試了試

a=imread('a.jpg');

[m,n,d]=size(a);

threshold=90;

fori=1:m

forj=1:n

fork=1:3

ifa(i,j,k)>90

a(i,j,k)=255;

elsea(i,j,k)=0;

end

end

end

end

a_origin=a;

a(:,:,2)=0;

a(:,:,3)=0;

subplot(121),imshow(a);

subplot(122),imshow(a_origin);

效果就是，單個顏色分量的可以閾值分割，但是一起分割就效果不理想了

I. 如何對圖像進行閾值處理

程序這樣寫，1、讀入圖片存為文件a；2、將a文件灰度化存為b；3、給定一個灰度閾值，然後將b的每個點與它比較，大於它則變成白，小於則為黑，結果存為c；4、輸出c

J. MATLAB採用基本的全局閾值化的方法，實現對圖像的閾值分割。,不用工具箱,,急!!!!

一種能基於圖像數據自動地選擇閾值的演算法：

(1)選擇全局閾值的初始估計值T和參數△T。參數△T用於控制迭代次數.
(2) 用T分割圖像。這會產生兩組像素：G1由所有灰度值大於T的像素組成，G2由所有灰度值小於等於T的像素組成。

(3) 分別計算G1、G2區域內的平均灰度值m1和m2。

(4) 計算出新的閾值： T=(m1+m2)/2

(5) 重復步驟(2)～(4)，直到在連續的重復中，T的差異比預先設定的參數△T小為止。

(6) 使用函數im2bw分割圖像：

g = im2bw(f, T/den)

den是整數(8比特圖像為255)