【数字图像处理+MATLAB】通过图像分块的可变阈值处理实现图像分割：通过 cellfun 实现

引言

图像分割是将数字图像划分为多个区域（或像素的集合）的过程，这些区域通常对应于真实世界的物体或图像中的特定部分。图像分割的目标是简化或改变图像的表示形式，使得图像更容易理解和分析。图像分割通常用于定位图像中的物体和边界（线，曲线等）。在某些情况下，图像分割还可以用于将图像分割为感兴趣的区域和背景。

函数详解

graythresh

graythresh是MATLAB中的一个函数，用于计算图像的全局阈值，常用于图像的二值化处理。

基本语法：

level = graythresh(I)

参数详解：

• I：输入图像，应为二维灰度图像。

返回值详解：

• level：返回的阈值，是一个在0到1之间的数值，表示灰度级别。可以将此阈值与图像的最大灰度值相乘，得到实际的灰度阈值。

graythresh函数使用的是Otsu方法，这是一种选择阈值的方法，可以使得阈值化后的图像的类间方差最大。

cellfun

cellfun是MATLAB中的一个函数，用于对cell数组中的每个元素应用一个函数。

基本语法：

B = cellfun(func,A)

参数详解：

• func：要应用的函数，应为一个函数句柄。
• A：输入的cell数组。

返回值详解：

• B：输出数组，其元素是将func应用于A的对应元素得到的结果。

例如，如果你有一个cell数组C，其中的每个元素都是一个数组，你想要得到每个数组的长度，可以使用cellfun函数：

C = {[1 2 3], [4 5], [6 7 8 9]};
lengths = cellfun(@length, C);

这将返回一个数组lengths，其元素是C中对应数组的长度。

应用案例

% 读取图像
img1 = imread("Fig1046(a)(septagon_noisy_shaded).tif");

figure;

% 显示原图
subplot(2, 3, 1);
imshow(img1);

% 显示原图的直方图
subplot(2, 3, 2);
imhist(img1);
 
% 使用基本全局阈值法进行分割
deltaT = 0.5;
T = mean2(img1);
flag = true;
while flag
    temp = img1 > T;
    m1 = mean(img1(temp));
    m2 = mean(img1(~temp));
    t = (m1 + m2) * 0.5;
    flag = abs(T - t) >= deltaT;
    T = t;
end
img2 = img1 > T;

% 显示基本全局阈值法的结果
subplot(2, 3, 3);
imshow(img2);

% 使用Otsu方法进行分割
level = graythresh(img1);
img3 = imbinarize(img1, level);

% 显示Otsu方法的结果
subplot(2, 3, 4);
imshow(img3);

% 调整图像尺寸并分割为6个子图像
img4 = imresize(img1, floor([size(img1, 1)/2, size(img1, 2)/3]).*[2, 3]);
img4sub = mat2cell(img4, [size(img4, 1)/2, size(img4,1)/2], [size(img4,2)/3, size(img4,2)/3, size(img4,2)/3]);

% 显示分割后的子图像
subplot(2, 3, 5);
imshow(cell2mat(img4sub));

% 对每个子图像应用Otsu方法
img5sub = cellfun(@(img4sub) imbinarize(img4sub, graythresh(img4sub)), img4sub, 'UniformOutput', false);

% 显示每个子图像应用Otsu方法后的结果
subplot(2, 3, 6);
imshow(cell2mat(img5sub));