f2=find(f>T);

Tnew=(mean(f(f1))+mean(f(f2)))/2 done=abs(Tnew-T)<1 T=Tnew; i=i+1; end f(f1)=0; Tnew =110.5153 done = 0 Tnew = 96.9893 done = Tnew =90.4259 done =0 Tnew =88.9935 done =0 Tnew = 88.5388 done =1 f(f2)=1; >> subplot(1,2,2) imshow(f);

title('迭代阙值二值化图像'); （2）源代码如下：

原始图像3：图像二值化

f=imread('gantrycrane.png') subplot(2,2,1) imshow(f) title('原图') T=graythresh(f) g=im2bw(f,T) subplot(2,2,2); imshow(g);

title('Otsu方法二值化图像');

原图f=imread('pillsetc.png') subplot(2,2,1) imshow(f) title('原图') T=graythresh(f)

迭代阙值二值化图像

Otsu方法二值化图像g=im2bw(f,T) subplot(2,2,2); imshow(g);

title('Otsu方法二值化图像');

原图Otsu方法二值化图像五.实验分析

本文从原理和应用效果上对经典的图像分割方法如边缘检测、阈值分割技术和区域增长等进行了分析。对梯度算法中的Roberts算子、Sobel算子、Prewitt算子、拉普拉斯(Laplacian)算子、LoG(Laplacian-Gauss)算子、坎尼（Canny）算子的分割步骤、分割方式、分割准则相互比较可以看出根据坎尼（Canny）边缘算子的3个准则得出的边缘检测结果最满意。而阈值分割技术的关键在于阈值的确定，只有阈值确定好了才能有效的划分物体与背景，但这种方法只对于那些灰度分布明显，背景与物体差别大的图像的分割效果才明显。区域增长的基本思想是将具有相似性质的像素集合起来构成新区域。

实验五形态学图像处理

一.实验目的

1.了解数学形态学的基本概念； 2.熟悉常用的结构元素； 3.掌握腐蚀、膨胀以及开闭运算。 二.实验仪器

计算机、MATLAB软件 三.实验原理

数学形态学是当前应用相当广泛的图象处理技术，叙述了数学形态学的基本概念和基本原理，在基础上基础上利用数学形态方法进行了二值图象处理的计算机模拟实验。

数学形态学是分析几何形状和结构的数学方法,是建立在集合代数基础上,用集合论方法定量描述几何结构的科学。数学形态学是一组形态学的代数运算子组成。用这些算子及其组合进行图象形状和结构的分析处理包括图象分割、特征抽取、边缘检测等方面的工作。

腐蚀是把结构元素B平移a后得到Ba，若Ba包含于X，我们记下这个a点，所有满足上述条件的a点组成的集合称做X被B腐蚀的结果。用公式表示为：E(X)={a| Ba∈X}=XθB。

膨胀可以认为是腐蚀的对偶运算，其定义是：把结构元素B平移a后得到Ba，若Ba击中X，我们记下这个a点，所有满足上述条件的a点组成的集合称做X被B膨胀的结果。用公式表示为：D(X)={x|B[x]