图像处理 | Otsu 阈值分割以及基本形态学处理

1、图像分割 —— Otsu 全局阈值分割

1) 实现原理与流程

具体实现步骤如下：

1. 统计图像各个灰度级所包含的像素个数，即归一化直方图；
2. 遍历每一个可能的灰度级，根据1) 中得到的直方图，计算出对应的累计概率以及累计灰度均值；
3. 直接对图像调用 mean() 函数计算出全局灰度均值；再根据累计概率、累计灰度均值以及全局灰度均值计算出类间方差；
4. 结合 max() 函数和 find() 函数找出最大类间方差所对应的各个灰度值，如果有多个灰度值，则取这些灰度值的平均值作为分隔阈值；
5. 通过公式计算出可分性度量，将大于等于分隔阈值的灰度值置为255（白色），小于分隔阈值的灰度值置为0（黑色）。
   相关计算公式如下：

2) 函数接口实现

function binaryImage = myOtsu(rawImage)
    % rawImage：处理前的单通道灰度图像
    % binaryImage：处理后的二值图像（前景白色，背景黑色）

    % 获取输入参数
    L = 255;
    img_double = double(rawImage);

    % 1.计算输入图像的归一化直方图
    H = myHistogramEqualization(rawImage);

    % 2.计算被分类到C1类的累计概率p，累计灰度均值m
    p = zeros(L+1,1);
    m = zeros(L+1,1);
    grey = 0 : L;       % 定义一个0-L的等距数组用于表示各个可能的灰度级
    for i = 0 : L
        p(i+1) = sum( H(1:i+1) );   % H(i+1) --> p(i)
        temp = 0 : i;
        m(i+1) = sum( temp(:) .* H(