图像分割--使用迭代算法的全局阈值处理

基本全局阈值法

当图像由暗色背景和较亮物体组成时，从背景中提取出物体的方法是选择一个将两种灰度值分开的阈值T,即f(x,y)> T 的任何点(x,y)称

为一个对象点，否则将该点称为背景点。那么，分割后的图像g(x,y)由以下式子给出：

在这里：

阈值T可以是一个常数，则使用的是全局阈值处理

阈值T可以在一幅图上改变，则使用可变阈值处理

阈值T可以是多个，则使用双(多)阈值处理

比如下列灰度直方图，左侧可以使用单阈值，右侧则需要双阈值进行分割。

用迭代方法的全局阈值处理

在实际处理中，通常图像之间有较大变化，即使对每一幅图片使用全局阈值是可行的，但我们也需要有能力对每一幅图片进行自

动、估计阈值。因此，迭代方法就是用于这个目的：

1.为全局阈值T选择一个初始值(一般选择平均灰度)

2.用T分割该图像，这将产生两组像素：G1由灰度值大于T的所有像素组成，G2由灰度值小于T

的所有像素组成

3.对G1和G2的像素分别计算平均灰度值m1和m2

4.计算一个新的阈值：

                                            T=(m1+m2)/2

5.重复步骤2到步骤4，直到连续迭代中的T值间的差小于一个预定义的参数t为止。

 // nMaxIter：最大迭代次数；nDiffRec：使用给定阀值确定的亮区与暗区平均灰度差异值  
 int DetectThreshold(IplImage*img, int nMaxIter, int& iDiffRec) //阀值分割：迭代法  
 {  
 		 //图像信息  
		 int height = img->height;  
		 int width = img->width;  
		 int step = img->widthStep/sizeof(uchar);  
		 uchar *data = (uchar*)img->imageData;  
		   
		 iDiffRec =0;  
		 int F[256]={ 0 }; //直方图数组  
		 int iTotalGray=0;//灰度值和  
		 int iTotalPixel =0;//像素数和  
		 byte bt;//某点的像素值  
		   
		 uchar iThrehold,iNewThrehold;//阀值、新阀值  
		 uchar iMaxGrayValue=0,iMinGrayValue=255;//原图像中的最大灰度值和最小灰度值  
		 uchar iMeanGrayValue1,iMeanGrayValue2;  
		   
		 //获取(i,j)的值，存于直方图数组F  
		 for(int i=0;iiMaxGrayValue)  
				 		iMaxGrayValue = bt;  
				 F[bt]++;  
			 }  
		 }  
		   
		 iThrehold =0;//  
		 iNewThrehold = (iMinGrayValue+iMaxGrayValue)/2;//初始阀值  
		 iDiffRec = iMaxGrayValue - iMinGrayValue;  
		   
		 for(int a=0;(abs(iThrehold-iNewThrehold)>0.5)&&a