阈值法公式，阈值法与谱减法结合matlab代码

前面的笔记介绍了OpenCV的一些基本图像处理。稍后我们将学习使用OpenCV的传统图像分割方法。本次笔记的内容是图像分割的阈值方法。阈值法的基本原理是首先确定一个阈值，然后根据像素灰度值与阈值的关系将所有像素分为两类。

在Otsu算法OTSU中，使用全局均值来寻找最优全局阈值。然而，在图像光照不均匀的场景中，很容易将边缘稍微模糊的目标图像视为背景。为了避免这种情况，我们可以考虑更详细的局部自适应阈值，它根据图像不同区域的亮度不断计算和更新局部阈值，同时不断刷新局部图像。阈值法是一种常用的图像分割方法。它根据像素的灰度值对像素进行分类，将图像中的像素分为两类：目标和背景。

1、阈值低

OpenCV与图像处理学习9 —— 连通区域分析算法（含代码） 1.连通区域总结2.二遍算法3.代码实现1.连通区域总结连通分量一般是指图像中相同的像素值和由相邻前景像素组成的图像区域。连通区域分析是指寻找并标记图像中的每个连通区域。在实际应用中，通常采用交叉验证等方法来确定最佳阈值，以提高分类精度。

2、阈值法的公式

阈值方法广泛应用于数据挖掘和机器学习中，将数据分类为不同类别。根据阈值Tk将图像分割为前景和背景，分别得到两者的平均灰度值Zo和Zb。阈值方法可用于对数据进行二元分类，以区分患病患者和未患病患者。阈值法的字面意思可以理解为划出一个边界，进行判断，将其分为两个结果。比如晚上定个闹钟，10:30之后睡觉。不睡觉就会秃头。

3、阈值法参照表

例如，在医学成像中，阈值法可以用于分割肿瘤和正常组织；在机器人视觉中，阈值法可用于提取目标物体的边缘信息等，该方法自动选择一个阈值将图像分为两类，使两类之间的方差最大化，从而实现图像的二值分割。

4、阈值法周期判断

阈值类型阈值二进制）超过阈值的部分取最大值，未超过阈值的部分取最小值Threshold binary Inverted（阈值二进制反转）超过阈值的部分取最小值，自适应阈值：区域阈值（不是全局阈值）#include #in。 20世纪60年代中期提出的直方图双峰法（也称模态法）是典型的全局单阈值分割方法。

迭代法实际上是将固定阈值分割中手动给定的阈值改为迭代计算的阈值，可以适用于更广泛的范围，但本质仍然是固定阈值变换。 OTSU：算法：对于图像I(x,y)，前景（即目标）和背景的分割阈值记为T，属于前景的像素数占整个图像的比例记为0，及其平均灰度级0；背景像素点在整个图像中所占的比例为1，其平均灰度级为1。