一、常用的四种图像阈值分割方法的基本原理
- 直方图法（Histogram-based Thresholding）
- 核心原理 ：基于图像灰度直方图的分布情况，假设目标与背景灰度值明显区分（直方图呈现双峰），选取两峰之间的谷底灰度作为分割阈值，将图像二值化为目标与背景。
- 适用场景：目标（或前景）与背景灰度差异显著、直方图分布清晰并具有典型的双峰特性的图像。
- 最大类间方差法（Otsu's Method）
- 优势：自动计算阈值，抗噪声能力较强，是最常用的全局阈值法之一。
- 迭代法（Iterative Thresholding）
- 适用场景：无明显双峰直方图、需动态优化阈值的场景。
- 自适应阈值法（Adaptive Thresholding）
- 适用场景：光照不均匀、背景复杂的图像（如本图 rice.png，米粒与背景灰度分布有局部差异）。
二、四种阈值分割方法的MATLAB实现
-
%% 基于四种阈值法的rice.png图像分割
% 清空工作区、命令行，关闭窗口
clear; clc; close all;
% 1. 读取图像（MATLAB自带rice.png）
I = imread('rice.png');
imshow(I),title('原始图像 (rice.png)');
%% 2. 直方图法分割（全局阈值，取直方图的两个波谷）
figure,imhist(I);
I_hist1=im2bw(I,150/255);
figure,imshow(I_hist1),title('直方图法分割1');
I_hist2=im2bw(I,75/255);
figure,imshow(I_hist2),title('直方图法分割2');
%% 3. 最大类间方差法（Otsu）- MATLAB内置最优全局阈值
T_otsu = graythresh(I); % 自动计算Otsu阈值
I_otsu = im2bw(I, T_otsu);%BW = imbinarize(I) 等价于BW=im2bw(I,graythresh(I))
figure,imshow(I_otsu),title('最大类间方差法分割');
%% 4. 迭代法分割（迭代收敛最优阈值）
T_iter = mean2(double(I)); % 初始化阈值：图像平均灰度
while true
% 按当前阈值分割前景/背景
bg = I <= T_iter;
fg = I > T_iter;
% 计算两类平均灰度
mu_bg = mean(I(bg));
mu_fg = mean(I(fg));
% 更新阈值
T_new = (mu_bg + mu_fg)/2;
% 收敛判断：阈值变化小于1时停止
if abs(T_new - T_iter) < 1
break;
end
T_iter = T_new;
end
I_iter = imbinarize(I, T_iter/255);
figure,imshow(I_iter),title('迭代法分割');
%% 5. 自适应阈值法（局部阈值，解决光照不均）
% 自适应二值化：15×15邻域，前景为亮区域（米粒），补偿值20
%I_adapt = imbinarize(I, 'adaptive', 'NeighborhoodSize',15,'ForegroundPolarity', 'bright','ContrastEnhancement', 0.02);
%I_adapt = imbinarize(I, 'adaptive');
I_adapt = imbinarize(I, 'adaptive');
figure,imshow(I_adapt);
title('自适应阈值法分割');
figure,
subplot(2,4,1),imshow(I),title('原始rice.png');
subplot(2,4,2),imhist(I),title('灰度直方图');
subplot(2,4,3),imshow(I_hist1),title('使用波谷1的阈值150进行分割');
subplot(2,4,4),imshow(I_hist2),title('使用波谷2的阈值75进行分割');
subplot(2,4,5),imshow(I_otsu),title('使用最大类间方差法进行分割');
subplot(2,4,6),imshow(I_iter),title('使用迭代法进行分割');
subplot(2,4,7),imshow(I_adapt),title('使用局部阈值法进行分割');
三、主要运行结果和分析
- 从上面运行结果可以看出，由于rice.png图像的光照不均匀，具有3个峰两个波谷，使用单一阈值分割效果不理想，而使用自适应阈值（局部阈值）分割效果较好，为后续大米特征提取提供了有力支持。全局阈值(直方图法、最大类间方差法、迭代法）适合前景（或目标）和背景具有显著的对比度（最好接近于定值），具有典型的双峰特性时的分割效果较好，而对于多峰特性的图像分割效果不好。