基于二维Otsu方法的MATLAB灰度图像自动阈值分割系统

资 源 简 介

本项目实现了一个高效的MATLAB灰度图像分割系统，采用二维Otsu算法综合考虑像素灰度及其邻域特征，自动确定最优阈值。相比传统方法，该系统对噪声具有更好的鲁棒性，能实现更精确的图像分割效果。

详 情 说 明

基于二维Otsu方法的灰度图像自动阈值分割系统

项目介绍

本项目实现了一种高效的灰度图像自动阈值分割算法。通过二维Otsu方法，综合考虑像素灰度值及其邻域平均灰度值的联合分布特性，自动确定最佳分割阈值。系统能够有效处理噪声干扰，相比传统一维Otsu方法具有更好的分割效果和抗噪性能。算法自动计算最优阈值，无需人工干预，适用于各种复杂背景的灰度图像分割任务。

功能特性

• 智能阈值分割：基于二维Otsu方法自动计算最优分割阈值
• 抗噪声能力强：通过邻域平均灰度值特征提升抗噪性能
• 参数可配置：支持自定义邻域窗口大小和灰度级量化参数
• 效果评估完善：提供类间方差最大值等分割质量评估指标
• 性能统计：输出处理时间统计信息，便于性能分析

使用方法

1. 准备输入图像：确保输入为单通道灰度图像矩阵（uint8类型，尺寸M×N）
2. 设置参数（可选）：

- 邻域窗口大小：默认3×3 - 灰度级量化参数：默认256级

1. 运行分割算法：系统将自动处理并输出结果
2. 获取输出结果：

- 二值分割图像矩阵（logical类型，尺寸M×N） - 最优阈值对(s,t)：像素灰度阈值和邻域平均灰度阈值 - 分割效果评估指标：类间方差最大值 - 处理时间统计信息

系统要求

• MATLAB R2016a或更高版本
• Image Processing Toolbox
• 支持常见图像格式（jpg、png、bmp等）

文件说明

主程序文件整合了图像读取与预处理、邻域特征提取、二维直方图构建、类间方差优化计算、阈值自动确定、二值图像生成以及分割效果评估与结果显示等核心功能，实现了从原始灰度图像输入到最终分割结果输出的完整处理流程。