.sheet . getelementbyid(“的主题”)。Disabled = true;

全局黑白阈值

对数据集进行全局黑白阈值处理。

指数-->用户指南-->菜单-->工具

在下面的视频中可以看到全局黑白阈值的演示:

https://youtu.be/mzfgxLvkGTI

内容

凹度算法

CONCAVITY算法的细节

  • 如果图像没有明显的对象和背景,则MINIMUM和INTERMODES算法不适合。
  • 在直方图的肩部可以找到一个好的阈值。
  • 根据直方图的凹度可以找到肩部的位置。
  • 构造直方图y的凸包H。
  • 求H - y的局部极大值。
  • 设置t为j的值,使平衡度量bj = Aj(An - Aj)最大
  • 该算法似乎在许多情况下工作良好,但在某些情况下,它给出的阈值显然是不可用的

参考A. Rosenfeld和P. De La Torre,直方图凹面分析作为阈值选择的辅助,IEEE学报。系统人员,Cybernet。,第13卷,第231-235页,1983

确认基于HistThresh工具箱由Antti Niemistö,坦佩雷理工大学,芬兰



熵算法

熵算法细节

  • 最大熵算法之一
  • 将图像的直方图分成两个概率分布,一个表示对象,一个表示背景
  • 选择使这些概率分布的熵和最大
  • 定义部分和:

$ E_ {j} = \ sum_ {i = 0} ^ {j} y_{我}\ cdot \ textup{日志}y_我}{\ textup{}的j = 0,…n美元

  • 设t为j的值,使下面的方程最大

$ \压裂{E_ {j}}{现代{j}} - \ textup{日志}现代{j} + \压裂{E_ {n} - E_ {j}}{现代{n} -现代{j}} - \ textup{日志}现代{n} -现代{j} $

参考

  • J. N. Kapur, P. K. Sahoo, A. K. C. Wong,一种利用直方图熵进行灰度图像阈值分割的新方法,Comput。视觉图形图像处理。,第29卷,第273-285页,1985。

确认基于HistThresh工具箱由Antti Niemistö,坦佩雷理工大学,芬兰



INTERMEANS ITER算法

INTERMEANS ITER算法细节

  • 一种迭代算法,可以得到与OTSU算法相似的结果
  • 计算强度比OTSU低
  • 算法从t的初始猜测开始
  • 定义两个类的均值μt和νt
  • 设t = [(μt + νt)/2],重新计算μt和νt。
  • 重复,直到t在连续两次迭代中具有相同的值
  • 得到的t可能很大程度上取决于它的初值
  • 如果目标和背景占据可比区域,则使用MEAN
  • 如果对象比背景小,使用INTERMODES。

参考文献

  • T. Ridler和S. Calvard,使用迭代选择方法的图像阈值,IEEE Trans。系统人员,Cybernet。《中华人民共和国学报》第8卷,第630-632页,1978。
  • H. J. Trussell,关于使用迭代选择方法进行图像阈值处理的评论?IEEE Trans。系统人员,Cybernet。,第9卷,第311页,1979。

确认基于HistThresh工具箱由Antti Niemistö,坦佩雷理工大学,芬兰



INTERMODES算法

INTERMODES算法的细节

  • MINIMUM的替代方案
  • 假设一个双峰直方图
  • 求两个峰(局部极大值)yj和yk
  • 设t = (j + k)/2
  • 设t = [(μt + νt)/2],重新计算μt和νt。
  • 仍然不适合具有极不平等峰的直方图的图像

参考

  • J. M. S. Prewitt和M. L. Mendelsohn,细胞图像的分析,Ann。纽约科学院。,卷128,页1035-1053,1966

确认基于HistThresh工具箱由Antti Niemistö,坦佩雷理工大学,芬兰



意思是算法

MEAN算法细节

  • 类似于MEDIAN算法
  • 将t设置为所有像素值平均值的整数部分,而不是中值
  • 用部分和表示,t = Bn/An
  • 不考虑直方图形状,那么明显的结果是次优的

确认基于HistThresh工具箱由Antti Niemistö,坦佩雷理工大学,芬兰



中位数和百分位数算法

中位数和百分位数算法的细节

  • 假设对象像素的百分比是已知的
  • 设置t为映射至少(100 - p)%的像素到对象类别的最高灰度
  • 不适合对象区域不知道
  • 问题:算法是参数化的
  • 解决方法:设p = 50,使t为像素值分布的中位数

参考

  • 刘国强,一种基于相似不变模式识别的方法。第一版。马赫,卷9,页259-267,1962

确认基于HistThresh工具箱由Antti Niemistö,坦佩雷理工大学,芬兰



MINERROR算法

MINERROR算法的细节

  • 类似于OTSU算法
  • 将直方图视为混合种群(对象和背景)的概率密度函数的估计
  • 假设一个高斯混合模型,即一)这两个类别的像素来自正态分布和B)正态分布可能有不同的均值和方差
  • 定义以下统计数据:

美元p_ {t} = \压裂{现代{t}}{现代{n}}, q_ {t} = \压裂{现代{n} -现代{f}}{现代{n}} $

$ \σ{_ {t}} ^{2} = \压裂{C_ {t}}{现代{t}} - \μ{_ {t}} ^ 2 \τ{_ {t} ^{2}} = \压裂{C_ {n} - C_ {t}}{现代{n} -现代{t}} - \ν{_ {t} ^ 2} $

  • 设t为j的值$ p_ {j} \ textup{日志}\开始{pmatrix} \ sigma_ {j} \ \ p_ {j} \结束{pmatrix} + q_ {j} \ textup{日志}\开始{pmatrix} \ tau_ {j} \ \ q_{我}\ {pmatrix} $是minumized

参考

  • J. Kittler和J. Illingworth,最小误差阈值,模式识别,第19卷,第41-47页,1986

确认基于HistThresh工具箱由Antti Niemistö,坦佩雷理工大学,芬兰



MINERROR ITER算法

MINERROR ITER算法细节

  • 迭代版本的MINERROR算法计算强度较小
  • 用MEAN求t的初值
  • 较大的解的整数部分提供了一个新的值t:

$ x ^{2}(\压裂{1}{\σ^{2}}- \压裂{1}{\τ^ {2}})- 2 x(\压裂{\μ}{\σ^{2}}+ \压裂{\ν}{\τ^{2}})+(\压裂{\μ^{2}}{\σ^{2}}- \压裂{\ν^{2}}{\τ^ {2}}+ \ textup{日志}(\压裂{\σ^{2}问^{2}}{\τ^ ^ {2}p{2}})) = 0美元

  • 设w0 w1 w2表示这三项
  • $ t = \压裂{w_ {1} + \ sqrt {{w_ {1}} ^ {2} - w_ {0} w_ {2}}} {w_ {0}} $
  • 用新的t值重新计算所有项并重新推导t
  • 重复直到收敛
  • 这样可以最大限度地减少误分类的数量?两个正态分布之间的阳离子,具有给定的均值,方差和比例
  • 当二次方程无实解时,该算法不能收敛

参考

  • J. Kittler和J. Illingworth,最小误差阈值,模式识别,第19卷,第41-47页,1986

确认基于HistThresh工具箱由Antti Niemistö,坦佩雷理工大学,芬兰



最小值算法

MINIMUM算法细节

  • 假设一个双峰直方图
  • 直方图需要迭代地平滑(使用三点均值滤波器),直到直方图只有两个局部最大值
  • 选择t这样yt - 1 > yt ?Yt + 1
  • 不适用于具有极不相等的峰或宽而平的谷的直方图的图像

参考

  • J. M. S. Prewitt和M. L. Mendelsohn,细胞图像的分析,Ann。纽约科学院。,卷128,页1035-1053,1966

确认基于HistThresh工具箱由Antti Niemistö,坦佩雷理工大学,芬兰



时刻的算法

MOMENTS算法细节

  • 选择t,使二值图像具有与灰度图像相同的前三个矩
  • 通过设定t使At/An为最接近x0的分数的值来实现,其中

美元间的{0}= \压裂{1}{2}- \压裂{B_ {n} /现代{n} +间的{2}/ 2}{\√6{间的{2}^{2}- 4间的{1}}},x_1 = \压裂{B_ {n} D_ {n} - C_ {n} ^{2}}{现代{n} C_ {n} - B_ {n} 2》}$

美元间的{2}= \压裂{B_ {n} C_ {n} -现代{n} D_ {n}}{现代{n} C_ {n} - B_ {n} ^ {2}}, D_ {n} = \ sum_ {i = 0} ^ {n}我^ {2}y_{我}$

参考

  • 蔡玮,矩保持阈值的一种新方法,计算机应用。视觉图形图像处理。,第29卷,第377-393页,1985

确认基于HistThresh工具箱由Antti Niemistö,坦佩雷理工大学,芬兰



大津算法

OTSU算法细节

  • MATLAB实现的大津算法
  • t值是使用graythresh计算的

参考

  • Otsu, N,“从灰度直方图中选择阈值方法”,《IEEE系统、人与控制论汇刊》,第9卷,第1期,1979年,第62-66页。


编程技巧

此函数与批处理脚本兼容。

用法示例

例如,

BatchOpt。colChannel = 2;为阈值定义颜色通道BatchOpt。模式=“3 d,栈”使用%模式BatchOpt。方法=“首先”%阈值算法BatchOpt。目的地=“选择”%[可选]目标层,'蒙版'或'选择'BatchOpt。T = [1 1];%[可选]时间点,[t1, t2]BatchOpt。Z = [10 20];%[可选]切片,[z1, z2]BatchOpt。X = [10 120];%[可选]图像的一部分,[z1, z2]BatchOpt。方向= 4;%[可选],数据集方向obj.startController (“mibHistThresController”, [], BatchOpt);%启动阈值设置


指数-->用户指南-->菜单-->工具

var allDetails = document.getElementsByTagName('details');toggle_details (0);

var allDetails = document.getElementsByTagName('details');var contentDiv = document.getElementsByClassName("content");contentDiv = contentDiv[0];var returnButton = document.getElementById("return-link");.style . getelementbyid(“iFrameBuf”)。Display = "none";if(in_iFrame()) {try{var footerNav = parent.document.getElementsByClassName(" footerNav ");var tabPane = parent.document.getElementsByClassName("tab-pane");} catch(err) {var footerNav = [];var tabPane = [];};if(!(footerNav.length) || tabPane.length) {contentDiv.style.overflowY = "scroll";contentDiv.style.overflowX = "hidden"; contentDiv.style.position = "absolute"; contentDiv.style.width = "95%"; contentDiv.style.top = 0; contentDiv.style.bottom = 0; if (tabPane.length){ contentDiv.setAttribute("data-isMATLABCentral","1"); returnButton.style.right = "40px"; document.getElementById("tooltiptext").style.right = "92px"; } document.getElementById("iFrameBuf").style.display = "block"; } else { contentDiv.setAttribute("data-isHelpBrowser","1"); } } if (!contentDiv.getAttribute("data-isHelpBrowser") && !contentDiv.getAttribute("data-isMATLABCentral") ){ document.getElementById("anchor-offsets").sheet.disabled = true; } var jumpLinks = document.getElementsByTagName("a"); for (var i = 0; i < jumpLinks.length; i++){ href = jumpLinks[i].getAttribute("href"); if (href && href[0] == "#") { jumpLinks[i].onclick = jump_to;}}