adaptthresh

文章目录

syntax:Description:Example:输入参数名称-值对组参数 使用局部一阶统计量的自适应图像阈值

syntax:

T = adaptthresh(I) T = adaptthresh(I,sensitivity) T = adaptthresh(___,Name,Value)

Description:

T = adaptthresh(I) 计算二维灰度图像或三维灰度体 I 的局部自适应阈值。adaptthresh 函数基于每个像素邻域的局部均值强度（一阶统计量）选择阈值。阈值 T 可与 imbinarize 函数结合使用以将灰度图像转换为二值图像。

T = adaptthresh(I,sensitivity) 使用 sensitivity 指定的敏感度因子计算局部自适应阈值。sensitivity 是范围 [0,1] 内的标量，表示通过阈值化处理将更多像素归为前景的敏感度。

T = adaptthresh(___,Name,Value) 使用名称-值对组计算局部自适应阈值，以控制阈值的各个方面

Example:

clear all close all clc I=imread('rice.png'); %使用adaptthresh确定在二值化运算中使用的阈值。 T=adaptthresh(I,0.4); %将图像转换为二进制图像，以指定阈值 BW=imbinarize(I,T); figure imshowpair(I,BW,'montage')

clear all close all clc I=imread('printedtext.png'); %使用adaptthresh计算自适应阈值并显示局部阈值图像。这表示平均背景照度的估计值 T=adaptthresh(I,0.4,'ForegroundPolarity','Dark'); %将图像转换为二进制图像，以指定阈值 figure imshow(T) BW=imbinarize(I,T); figure imshowpair(I,BW,'montage')

clear all close all clc load mristack; V = mristack; figure slice(double(V),size(V,2)/2,size(V,1)/2,size(V,3)/2) colormap gray shading interp J = adaptthresh(V,'neigh',[3 3 3],'Fore','bright'); figure slice(double(J),size(J,2)/2,size(J,1)/2,size(J,3)/2) colormap gray shading interp

输入参数

I - 灰度图像或图像体 二维数值矩阵 | 三维数值数组 sensitivity - 确定哪些像素被阈值化为前景像素 0.5 （默认） | [0, 1] 范围内的数值 确定哪些像素被阈值化为前景像素，指定为 [0, 1] 范围内的数字。高敏感度值导致更多的像素通过阈值化处理归为前景，但这会存在将一些背景像素也归为前景的风险。

名称-值对组参数

指定可选的、以逗号分隔的 Name,Value 对组参数。Name 为参数名称，Value 为对应的值。Name 必须放在引号中。可采用任意顺序指定多个名称-值对组参数，如Name1,Value1,…,NameN,ValueN。

示例： T = adaptthresh(I,0.4,‘ForegroundPolarity’,‘dark’);

'NeighborhoodSize' - 用于计算每个像素周围局部统计量的邻域大小 2*floor(size(I)/16)+1 （默认） | 正奇整数 | 由正奇整数组成的二元素向量 用于计算每个像素周围局部统计量的邻域大小，指定为正奇整数或由正奇整数组成的二元素向量。 'ForegroundPolarity' - 确定哪些像素被视为前景像素 'bright' （默认） | 'dark' 值意义bright前景比背景亮dark前景比背景暗 'Statistic' - 用于计算局部阈值的统计量 'mean' （默认） | 'median' | 'gaussian' 值意义‘mean’邻域中的局部均值强度。这种方法也称为 Bradley 方法‘median’邻域中的局部中位数。此统计量的计算可能会很慢。请考虑使用较小的邻域大小来更快地获得结果。‘gaussian’邻域中的高斯加权均值。