遗传算法作图像分割时的最佳阈值为什么总在变化

遗传算法作图像分割时的最佳阈值为什么总在变化

在此提供两种方法，一，最大阈值分割（大律法）：I=imread('test.jpg');subplot(1,3,1);imshow(I);title('原图');I1=rgb2gray(I);subplot(1,3,2);imhist(I1);title('直方图');level=graythresh(I);g=im2bw(I,level);%最佳阈值levelsubplot(1,3,3);imshow(g);title('阈值分割');%在Command窗口输出灰度阈值disp(strcat('graythresh计算灰度阈值：',num2str(uint8(level*255))))第二种：迭代求阈值I=imread('C:test.jpg');Zmax=max(max(I));Zmin=min(min(I));TK=(Zmax+Zmin)/2;%初始阈值flag=1;[m,n]=size(I);while(flag)fg=0;bg=0;fgsum=0;bgsum=0;fori=1:mforj=1:ntmp=I(i,j);if(tmp>=TK)fg=fg+1;fgsum=fgsum+double(tmp);elsebg=bg+1;bgsum=bgsum+double(tmp);endendendu1=fgsum/fg;u2=bgsum/bg;TKTmp=uint8((u1+u2)/2);if(TKTmp==TK)flag=0;elseTK=TKTmp;endenddisp(strcat('迭代后的阈值：',num2str(TK)));newI=im2bw(I,double(TK)/255);subplot(1,2,1);imshow(I);title('原图')subplot(1,2,2);imshow(newI);tltle('阈值分割图');

根据灰度、梯度、形态等来设定自适应阈值。 设定过程：设置→参数→选择（灰度、梯度、形态）→输入数值→计算阈值→搞定。 阈值又叫临界值，是指一个效应能够产生的最低值或最高值。 阈值又称阈强度，是指释放一个行为反应所需要的最小刺激强度。低于阈值的刺激不能导致行为释放。在反射活动中，阈值的大小是固定不变的，在复杂行为中，阈值则受各种环境条件和动物生理状况的影响。当一种行为更难于释放时，就是阈值提高了;当一种行为更容易释放时，就是阈值下降了。一般说来，刚刚完成某一行为后，动物对这一行为的要求就会大大下降。例如刚交过尾的动物，对于性刺激或是没有反应或是反应很弱，这就意味着释放性行为的阈值增加了。类似情况在觅食行为和其他行为中也很常见。另一方面，长时间未发生的行为非常容易被释放，释放这种行为的刺激强度会变得非常小。在极端情况下，阈值的降低可以导致行为的自发产生，这就是空放行为(vacuum behavior)。空放行为是一种无刺激行为释放，是达不到该种行为目的的一种行为。最令人信服的实例是织巢鸟的筑巢行为。饲养在鸟笼中的织巢鸟，在得不到任何筑巢材料和代用物的情况下，也完全可以表现出筑巢动作，虽然这种动作达不到它本来的目的。 阈值又叫临界值，是指一个效应能够产生的最低值或最高值。