基于大津法的图像自适应二值化分割系统

资 源 简 介

该项目提供了一套完整的大津法二值化处理方案，旨在解决图像处理中的自动阈值分割问题。大津法（Otsu's method）的核心原理是根据图像的灰度分布特性，将图像分为前景和背景两部分，并通过寻找使这两部分之间类间方差最大的灰度值作为最优阈值。本项目包含经过实际编译和测试的MATLAB代码，代码执行效率高且分割精度稳定，能够作为各种图像分割任务的有效辅助工具。具体实现流程包括：计算图像的归一化灰度直方图，累加各个灰度级的概率和平均灰度值，遍历所有灰度级（0-255）以计算每个级别作为阈值时的类间方差，最后选取

详 情 说 明

基于大津法（Otsu）的图像自适应二值化分割系统

项目介绍

本项目实现了一套基于大津算法（Otsu's Method）的图像自适应二值化分割方案。该系统能够自动分析输入图像的灰度分布特性，通过计算类间最大方差来寻找最佳分割阈值，从而将图像精确地划分为前景目标与背景区域。由于该算法不依赖于人工设定阈值，因此在光照变化或对比度不同的场景下具有极佳的稳健性。本方案适用于文本提取、医学影像分析及工业自动化检测等各种计算机视觉预处理环节。

功能特性

• 交互式图像读取：提供图形化文件选择对话框，支持常见图像格式（jpg、png、bmp、tif），并具备默认示例图像加载机制。
• 多类型兼容处理：内置自动颜色空间判定，能够将彩色RGB图像无损转换为灰度图像，同时确保数据处理在标准8位无符号整型（uint8）下进行。
• 自适应阈值计算：核心算法完全遵循大津法原理，通过穷举搜索256个灰度级，动态寻找使背景与前景方差最大的全局最优分割点。
• 多维度结果可视化：系统生成包含原始图、灰度图、带阈值标注的直方图以及二值化结果图的综合视图屏，直观反映分割效果。
• 实时性能反馈：控制台同步打印计算所得的最优阈值及对应的最大类间方差数值。

核心实现逻辑与流程

1. 数据输入与预处理：程序启动后通过文件选择接口获取目标图像。通过检测图像维度判断是否为彩色图，若为彩色则调用颜色转换算法提取亮度信息（灰度化），并对像素矩阵进行标准化存储。
2. 统计直方图构建：利用双层全扫描循环遍历图像中的每一个像素点，统计0到255每个灰度级出现的总次数。随后将计数值除以图像总像素数，得到每个灰度级在全图中出现的概率密度分布。
3. 最优阈值迭代搜索：

* 遍历所有可能的灰度阈值（t从1至256）。 * 针对每个候选阈值，将图像像素分为两类：背景（小于等于t）和前景（大于t）。 * 计算背景和前景各自出现的概率和（w0, w1）。 * 计算背景和前景的平均灰度值（mu0, mu1）。 * 利用类间方差公式计算当前阈值下的分离度：方差 = w0 * w1 * (mu0 - mu1)^2。

1. 极值定位：在循环过程中对比并记录产生最大方差的阈值索引。由于MATLAB索引从1开始，最终输出的物理阈值需进行偏移修正。
2. 图像掩膜生成：基于计算出的最优阈值对灰度图进行逻辑运算，生成逻辑矩阵（布尔值），将符合条件的像素点标记为前景（1），其余为背景（0）。

算法实现细节说明

• 直方图归一化：通过将像素个数转换为概率，消除了不同分辨率图像带来的数值范围差异，使得算法具有普适性。
• 非空判断逻辑：在迭代计算中，程序会检查当前分割是否导致背景或前景概率为零（即无像素分布），若出现此类极端情况则跳过当前循环，确保除法运算的安全性。
• 矩阵化运算加速：在计算平均灰度值时，利用向量化相乘（0:t-1与概率向量点乘）代替了逐个像素累加，显著提升了MATLAB环境下的执行速度。
• 直观评价指标：系统引入了类间方差作为衡量分割好坏的标准。方差越大，说明前景和背景的灰度差异越明显，分割结果越接近理想状态。

系统要求

• 软件环境：MATLAB R2016a 或更高版本。
• 硬件要求：支持图形窗口显示的通用电脑，无需额外昂贵的GPU加速。
• 依赖包：无需安装第三方工具箱，基于MATLAB基础函数库实现。

使用方法

1. 运行主程序函数。
2. 在弹出的文件浏览器中选择一张待处理的图像文件。
3. 程序将自动执行所有处理步骤并弹出结果视图窗口。
4. 查看窗口下方的直方图，红色竖线即为算法自动寻找到的最佳分割界限。
5. 在MATLAB命令行窗口查看最终确定的阈值数值。