基于二维直方图的Otsu图像自动分割系统

资 源 简 介

本项目旨在实现一种改进的图像分割技术，核心在于构建并应用二维属性直方图结合Otsu（最大类间方差）准则进行自动阈值化。传统的Otsu算法仅依赖一维灰度直方图，忽略了像素与其邻域的空间相关性，导致在噪声环境下分割效果不佳。本项目首先提出了二维属性直方图的概念，通过计算图像中每个像素的灰度值及其邻域平均灰度值（或梯度值），构建出一个二维统计矩阵，该矩阵能够同时反映像素的亮度分布和空间局部特性。在此基础上，项目实现了二维Otsu算法，通过在二维直方图平面上搜索使得类间方差最大化的最佳二维阈值向量（灰度阈值，邻域属性阈值）。系统具备完整的图像处理流程，包括图像读取、二维属性直方图计算与可视化（支持3D显示）、二维Otsu阈值快速寻优、二值化分割执行以及结果展示。该方法不仅有效抑制了图像噪声对分割结果的影响，提高了分割精度，而且代码逻辑严密，提供了丰富的可视化图表和量化指标，能够直接用于验证算法有效性，非常有利于支持图像处理方向的学术论文撰写和科研实验。

详 情 说 明

项目：基于二维属性直方图的Otsu自动阈值分割系统

项目简介

本项目实现了一种改进的高级图像分割算法，旨在解决传统一维Otsu算法在低对比度或高噪声环境下分割效果不佳的问题。核心技术在于构建“二维属性直方图”，利用像素的灰度值与其邻域平均灰度值的联合分布统计，引入空间相关性信息。

系统通过构建二维直方图并应用快速二维Otsu算法（基于积分图加速），在二维平面上寻找最佳阈值向量（灰度阈值，邻域均值阈值），从而实现对噪声图像的高精度分割。本项目基于MATLAB开发，包含完整的图像处理、算法求解及多维度可视化评估流程。

功能特性

• 抗噪鲁棒性：通过引入$3 times 3$邻域均值信息，有效抑制高斯噪声对分割结果的干扰。
• 二维属性统计：构建并可视化像素灰度与空间邻域信息的二维联合概率矩阵（二维直方图）。
• 快速算法实现：采用积分图（Integral Image）与查找表技术，将二维Otsu算法的寻优效率大幅提升，避免了繁重的重复计算。
• 自适应输入：支持自动读取外部图像或生成包含几何形状（圆、矩形）与梯度的合成测试图像。
• 全方位可视化：提供包含原图、一维直方图对比、3D二维直方图、平面投影轨迹图、分割结果及图层融合的综合展示界面。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 工具箱依赖：Image Processing Toolbox（图像处理工具箱），用于图像滤波、噪声添加及直方图计算等常规操作。

详细功能与算法实现逻辑

本项目的代码逻辑严密，主要流程如下：

1. 图像获取与预处理

• 智能加载：程序优先尝试读取系统内置的 cameraman.tif 图像；若文件不存在，则自动调用内部函数生成一张包含背景梯度、圆形和矩形目标的合成图像用于测试。
• 预处理：将图像转换为灰度图（如为彩色），并将数据类型转换为 double以保证计算精度。
• 噪声模拟：为了验证算法的有效性，代码主动向图像中添加均值为0、方差为0.01的高斯噪声，模拟真实的恶劣成像环境。

2. 构建二维属性直方图

• 空间特征提取：使用 $3 times 3$ 的平均滤波器对噪声图像进行卷积，计算每个像素的邻域平均灰度。
• 二维统计：遍历图像中的每一个像素，以 (像素灰度值 i, 邻域均值 j) 为坐标，统计其出现的频数。最终生成一个 $256 times 256$ 的二维直方图矩阵，并进行归一化处理得到联合概率分布 $P(i, j)$。

3. 二维Otsu阈值快速寻优

算法核心在于寻找最佳阈值向量 $(s, t)$，使得前景（目标）与背景在二维空间上的类间方差最大。为了解决传统二维Otsu算法计算量大的问题，代码实现了基于积分图的加速策略：

• 积分图计算：预先计算二维直方图的零阶累积矩（概率和）和一阶累积矩（灰度均值累积、邻域均值累积）。利用 cumsum 函数，将区域求和操作的时间复杂度降至 $O(1)$。
• 快速迭代：在 $0-255$ 的二维平面内遍历所有可能的阈值组合 $(s, t)$。
• 准则函数：对于每一组阈值，利用积分图快速计算前景类的概率 $omega_0$ 及其均值向量 $mu_0$，以及背景类的概率 $omega_1$ 和均值向量 $mu_1$。
• 最大化类间方差：计算类间离散度矩阵的迹（Trace），即 $sigma_b = omega_0 times omega_1 times |mu_0 - mu_1|^2$。记录使 $sigma_b$ 达到最大值的 $(s, t)$ 作为最佳分割阈值。

4. 图像分割与二值化

• 双重判决：利用计算出的最佳灰度阈值 $s_{opt}$ 和最佳邻域阈值 $t_{opt}$ 执行联合分割。
• 分割策略：仅当像素点的灰度值大于 $s_{opt}$ 且 其邻域均值大于 $t_{opt}$ 时，该像素才被判定为前景（白色），否则为背景。这种策略比单独使用灰度阈值更能抵抗噪点干扰。

5. 结果可视化与评估

系统最后通过一个包含6个子图的窗口展示完整流程：

1. 输入图像：显示添加了高斯噪声的灰度图像。
2. 传统一维直方图：显示常规灰度直方图及对应的灰度阈值线，用于对比。
3. 二维属性直方图 (3D)：以三维网格图（Mesh）形式展示 $(i, j)$ 的联合分布，并用红色星号标记优化出的最佳阈值点。
4. 2D Otsu 投影分割图：以平面视图显示二维直方图（对数增强显示），绘制出最佳阈值分割线（十字交叉），直观展示分割界面。
5. 二维Otsu分割结果：展示最终的二值化图像，并在标题中标注了算法的计算耗时。
6. 分割掩膜融合显示：将分割结果半透明叠加在原图上，方便用户肉眼验证边缘分割的准确性。

使用方法

1. 确保MATLAB已安装并包含图像处理工具箱。
2. 将代码保存为脚本文件（通常包含主函数和若干局部函数）。
3. 直接运行主函数。
4. 程序将自动执行图像读取、加噪、计算和绘图，并在命令窗口输出以下信息：

* 最佳灰度阈值 (s) * 最佳邻域阈值 (t) * 算法核心计算耗时 (秒)

1. 观察弹出的可视化窗口以分析算法性能。