Otsu算法实现（matlab）

关注

原创最新推荐文章于 2026-07-09 14:17:48 发布 1.8k 阅读 AI 写同款· GEO 优化 ›

经典边缘检测算法与Otsu图像分割MATLAB实现边缘检测是计算机视觉中的基础技术，通过识别图像中亮度变化的区域来定位物体边界。其核心原理是利用差分算子计算像素梯度，常见实现包括Sobel、Prewitt等一阶微分算子，以及Canny等高级算法。这些技术在工业检测、医学影像等领域具有重要应用价值。图像分割则通过阈值处理将图像划分为有意义的区域，其中Otsu方法因其自适应阈值特性被广泛使用。本文结合MATLAB代码实例，详细解析Roberts、Sobel、Canny等5种边缘检测算子，并探讨Otsu分割的优化技巧，为图像处理工程实践提供参考。阅读详情

function threshold = Otsu(normalizedHist)
%normalizedHist为归一化直方图
%threshold为自动分割的阈值
wk = 0;
uk = 0;
L = length(normalizedHist);
uT = sum((0:L-1).*normalizedHist');
maximum = 0;

for k=1:L
    wk = wk + normalizedHist(k); %到阈值k处的累加直方图分量
    uk = uk + (k-1) * normalizedHist(k); %到阈值k处的灰度均值
    eta = (wk*uT - uk)^2 / (wk*(1-wk)); %类间方差/总体方差，目标是使它最大
    if ( eta >= maximum )
        threshold = k;
        maximum = eta;
    end
end

end

测试代码

img = imread('图片路径');
[counts x] = imhist(img);
[m n] = size(img);
normalizedHist = counts./(m*n);
level = Otsu(normalizedHist);
output = img;
output(output<level) = 1;
output(output>=level) = 0;
imagesc(output);