沈阳理工大学迭代阈值法图像分割程序设计

成绩评定表

学生姓名高冰钰班级学号1303030402

专业

电子信息工程课程设计题目

基于最大类间方差法图

像分割程序设计

—迭代阈值法

评

语

组长签字：

成绩

日期2016年7月18日

课程设计任务书

学院信息科学与工程专业电子信息工程

学生姓名高冰钰班级学号1303030402

课程设计题目基于最大类间方差法图像分割程序设计—迭代阈值法实践教学要求与任务：

本设计要求利用Matlab进行编程及仿真，仿真内容为基于最大类间方差法图像分割程序设计——迭代阈值法。利用所学数字图象处理技术知识，在Matlab软件系统上来实现图像分割，并且对程序进行测试。要求如下：

（1）掌握课程设计的相关知识、概念、思路及目的。

（2）程序设计合理、能够正确运行且操作简单，可实施性强。

（3）掌握图像分割的方法。

（4）能够利用迭代阈值法进行图像分割。

工作计划与进度安排：

第一阶段（1-2）天：熟悉matlab编程环境，查阅相关资料；

第二阶段（2-3）天：算法设计；

第三阶段（2-3）天：编码与调试；

第四阶段（1-2）天：实验与分析；

第五阶段（1-2）天：编写文档。

指导教师：

2016年7月3日专业负责人：

2016年7月4日

学院教学副院长：

2016年7月4日

摘要

数字图像处理的目的之一是图像识别，而图像分割是图像识别工作的基础。图像分割是从图像预处理到图像识别和分析、理解的关键步骤，在数字图像处理中占据重要的位置。图像分割的目的是将图像分成一些有意义的区域并对这些区域进行描述。

图像分割的方法主要有点相关分割、区域相关分割、阈值法、界限检测法、匹配法、跟踪法等。本设计主要采用阈值分割法中的迭代阈值法，利用MATLAB 软件中的图像处理函数将图像导入，然后对图像进行灰度变换，通过迭代法求图像最佳分割阈值，根据该阈值对图像进行分割，从而产生二值化后的图像。仿真结果表明，通过迭代法选取的阈值是比较准确的，可以采用此阈值对图像进行分割。

关键词：图像分割；迭代阈值法；MATLAB

目录

1设计目的与要求 (1)

1.1设计目的 (1)

1.2设计要求 (1)

2设计原理 (1)

2.1图像分割 (1)

2.2基于阈值的分割 (2)

2.3迭代阈值法 (2)

3设计方案 (3)

3.1设计思想 (3)

3.2设计流程 (3)

4软件实现 (4)

5仿真与结果分析 (5)

5.1仿真 (5)

5.2结果分析 (7)

结论 (8)

参考文献 (9)

基于最大类间方差法图像分割程序设计—

迭代阈值法

1设计目的与要求

1.1设计目的

（1）利用MATLAB软件编写程序实现图像分割。

（2）查阅相关资料并整理分析，掌握迭代阈值法的主要原理。

（3）利用迭代阈值法选择最优阈值，并对图像进行二值化。

1.2设计要求

（1）熟练掌握MATLAB软件的基本操作。

（2）了解MATLAB软件的程序编程。

（3）对所学知识仔细梳理，掌握迭代阈值法的主要思路。

（4）培养独立分析和解决问题的能力，学会撰写课程设计的总结报告。

（5）善于总结和改进方案，提高方案可实施性和高效性。

2设计原理

2.1图像分割

图像分割是从图像预处理到图像识别和分析、理解的关键步骤，图像分割和分割的目标表达、特征提取和参数测量等将原始图像转化为数学表达形式，使得利用计算机进行图像分析和理解成为可能，在图像处理中占据重要的位置。图像分割的目的是将图像分成一些有意义的区域, 然后对这些区域进行描述, 相当于提取出某些目标区域图像的特征, 判断图像中是否有感兴趣的目标。图像分割的依据建立在图像上像素间的“相似性”和“不连续性”两个基本概念之上【1】。

所谓“相似性”是指在某个区域内像素具有某种相似的特性, 如灰度、纹理相

同;所谓“不连续性”是指特性不连续, 如灰度值发生突变。从总体上来说, 图像分割就是把图像分成若干个有意义区域的处理技术【2】。这些区域互不交叠, 每一个区域内部的某种特性或特征相同或接近, 而不同区域间的图像特征则有明显差别。

2.2基于阈值的分割

阈值分割法是一种基于图像的分割技术。其基本原理是通过设定不同的特征阈值，把图像像素分为若干类。常用的特征包括直接来自原始图像的灰度或彩色特征、由原始图像或彩色值变换得到的特征【3】。它主要是利用图像中要提取的目标物体和背景在灰度上的差异, 选择一个合适的阈值, 通过判断图像中的每一个像素点的特征属性是否满足阈值的要求来确定图像中该像素点属于目标区还是应该属于背景区域, 从而产生二值图像【4】。它计算简单, 而且总能用封闭而且连通的边界定义不交叠的区域。

2.3迭代阈值法

迭代法是采用基于逼近的思想，利用程序自动搜寻出比较合适的阈值。假设有一幅图像),(y x f ,),(j i Z 是图像上),(j i 点的灰度值，),(j i N 是),(j i 点的权重系数，),(j i N 取),(j i 点灰度的概率【5】。迭代算法步骤如下：

步骤1：求出图像中的最小和最大灰度值min Z 和m ax Z 的阈值初值。

)(21min max 0Z Z T += (2.1)

步骤2：根据阈值k T 将图像分割成目标和背景两部分，求出两部分的平均灰度值0Z 和B Z 。

∑∑<

,(),( (2.2)

∑∑<>?=T j i z T j i z B j i N j i N j i z Z k ),(),(),()

,(),( (2.3)

步骤3：求出新阈值1+k T 。

201B k Z Z T +=+ (2.4)

步骤4：若k T =1+k T ，则结束；否则,1+=k k ，转到步骤2。

步骤5：第4步结束后,k T 为最佳阈值。

3设计方案

3.1设计思想

在使用阈值法进行分割技术时, 阈值的选取成为能否正确分割的关键。给定一幅图像，仅凭人眼主观上的感觉是很难找到合适的阈值点的，但利用阈值分割算法可以对图像进行准确、有效的分割。迭代法是目前应用比较多的阈值选取方法【6】。

迭代阈值选取方法首先选取图像的灰度范围的中值作为初始值，把图像中的全部像素分成前景、背景两大类，然后分别对其进行积分并将结果取平均以获取一新的阈值，并按此阈值将图像分成前景、背景。如此反复迭代下去，当阈值不再变化，即迭代已经收敛于某个稳定的阈值时，此刻的阈值即作为最终的结果并用于对图像的分割【7】。

3.2设计流程

在进行具体的程序设计时，由于阈值的迭代运算是以图像的灰度统计作为基础的，因此需首先获取图像的灰度统计分布情况。该情况执行完后将存放有灰度

分布的数组作为参数传递给迭代阈值函数，并通过迭代的方式计算出最终阈值。函数的后半部分利用此阈值进行图像分割，并最终显示分割结果。迭代阈值法进行图像分割流程如图3.1所示。

输入图像

迭代式求最

佳阈值

初始化阈值

进行图像分

割

显示分割结

果图3.1迭代法进行图像分割流程图

4软件实现

图像处理工具箱是MATLAB环境下开发的许多工具箱之一，它以数字图像处理理论为基础，用MATLAB语言构造出一系列用于图像数据显示与处理的M 函数【8】。

应用迭代阈值法进行图像分割时用到的主要函数如下：

（1）使用imread（）函数读入图像,并用rgb2gray（）函数转换成灰度图像，其核心代码如下：

A=imread('filename.jpg');

B=rgb2gray(A);

（2）对阈值进行初始化,初始值设置为false，其核心代码如下：

T=0.5*(double(min(B(:)))+double(max(B(:))));

d=false;

（3）编写程序通过迭代求最佳阈值，并显示在MATLAB主窗口，其核心代码如下：

while~d

g=B>=T;

Tn=0.5*(mean(B(g))+mean(B(~g)));

d=abs(T-Tn)<0.5;

T=Tn;

end

disp(strcat('迭代后的最佳阈值为:',num2str(T)));

（4）使用im2bw（）函数【9】设定阈值将灰度图像转换为二值图像，其核心代码如下：

level=Tn/255;

BW=im2bw(B,level);

（5）使用subplot（）函数生成与控制多个坐标轴，把当前图形窗口分隔成几个矩形部分。第一部分用于显示原始图像；第二部分用于显示灰度图像；第三部分用于显示二值图像。同时使用imshow函数【10】显示图像分割结果。其核心代码如下：

subplot(131),

imshow(A);

title('原始图像');

subplot(132),

imshow(B);

title('灰度图像');

subplot(133),

imshow(BW);

title('迭代阈值法分割图像');

5仿真与结果分析

5.1仿真

（1）将程序文件名保存为main.m,MATLAB主窗口运行结果见图5.1所示。

图5.1迭代后的阈值结果

由图5.1可知，经过迭代后选取的最佳阈值是119.4468。

（2）将输入的如图5.2所示的原始百合花图像使用rgb2gray( )灰度转换函数通过灰度转换后，得到如图5.3所示的灰度图像，然后经过迭代法选择最佳阈值，再使用im2bw( )函数对图像进行二值化，得到了如图5.4所示的二值化后的图像。

图5.2输入的原始图像

图5.3灰度图像

图5.4迭代阈值分割图像结果图

由图5.3可知，将输入的如图5.1所示的带有鲜明色彩的百合花图像经过灰度变换后，图像中只有黑、白、灰三种颜色。由图5.4可知，迭代阈值分割后的图像中只有黑、白两种色彩，其中明亮的花瓣部分就是目标区域，灰暗的部分就是背景区域。二值化后的图像更加明显地反映出图像中场景之间的联系。

5.2结果分析

基于仿真的结果分析如下：

（1）迭代法是基于逼近的思想，迭代运算是将每次基于阈值获得的两部分灰度值的均值之差是否小于预先设定的极限，若不小于，则继续迭代；否则迭代停止，输出最佳阈值。

（2）将输入的原始图像通过灰度转换，得到灰度图像后，经过迭代选取最佳阈值，用此阈值分割图像得到二值化图像。也就是将原图像分为了前景和背景，并用两种黑白颜色显现出来，其中亮的部分就是前景，暗的部分就是背景，用这种迭代阈值分割图像可以将图像中感兴趣的部分提取出来。

结论

图像分割是由图像处理转到图像分析的关键。基于灰度的阈值分割法具有计算简单、实现容易的特点，对目标和背景对比度反差较大的图像进行分割比较有效。本文所设计的迭代阈值法进行图像分割程序设计所取得的成果如下：（1）图像分割（二值化)就是设定一个阈值T,用T经图像的数据分成两大部分：大于T的像素群和小于T的像素群。将图像上的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白效果的视觉效果；

（2）迭代法进行阈值选取就是先将输入的原始图像使用rgb2gray函数将转换成灰度图像，并从中选取一个最大的灰度值和一个最小的灰度值，进行取中值处理，并将此阈值设置为初值。用此阈值把图像中的全部像素分成前景、背景两大类，然后分别对两部分取平均以获取一新的阈值，并按此阈值将图像分成前景、背景。如此反复迭代下去，当新的阈值与原来的阈值之差的绝对值小于预先设定的一个极限，此时的阈值即为最佳阈值

目前，本设计所采用的迭代阈值分割方法仍存在一些不足。如对于直方图双峰不明显，或图像目标和背景比列差异悬殊，迭代法所选取的阈值并不理想，此时可以使用灰度直方图法进行阈值选取。阈值分割法中阈值的确定主要依赖灰度直方图，而很少考虑图像中像素的空间位置关系，因此当背景复杂，容易丧失边界信息，此时可用基于区域的分割方法进行阈值选取。

参考文献

[1] 刘刚. MATLAB数字图像处理[M].北京:机械工业出版社.2010:34-45.

[2] 王家文.MATLAB 6.5 图形图像处理[M].上海:国防工业出版社.2009:6-14.

[3] 王晓丹.MATLAB系统分析[M].西安:西安电子科技大学出版2000:168-220.

[4] 余成波. MATLAB实现[M].重庆:重庆大学出社.2003:34-54.

[5] 郝文化.MATLAB图像处理[M].河北:中国水利水电出版社. 2004:66-78.

[6] 苏金明. MATLAB图形图像[M].四川:成都电子工业出版社. 2005:87-90.

[7] 杨志刚等.现代通信原理[M].清华大学出版社，2008: 66-89.

[8] 哲学.精通MATLAB[M].电子工业出版社，2008: 2-8.

[9] 李圣勤. MATLAB7.0实用教程[M].机器工业出版社，2006: 90-118.

[10] 高飞.MATLAB图像处理375例[M].人民邮电出版社，2015：113-141.

基于MATLAB的图像阈值分割技术

基于MATLAB 的图像阈值分割技术 摘要：本文主要针对图像阈值分割做一个基于MATLAB 的分析。通过双峰法，迭代法以及OUTS 法三种算法来实现图像阈值分割，并且就这三种算法做了一定的分析和比较，在加椒盐的图片上同时进行三种实验，做出比较，最终得出实践结论。 关键词：图像分割 MATLAB 阈值分割 算法 引言：图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提．同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准，图像阈值分割即是其中的一种方法。 阈值分割技术因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，已被应用于很多的领域，在很多图像处理系统中都是必不可少的一个环节。 1、阈值分割思想和原理 若图像中目标和背景具有不同的灰度集合：目标灰度集合与背景灰度集合，且两个灰度集合可用一个灰度级阈值T 进行分割。这样就可以用阈值分割灰度级的方法在图像中分割出目标区域与背景区域，这种方法称为灰度阈值分割方法。 在物体与背景有较强的对比度的图像中，此种方法应用特别有效。比如说物体内部灰度分布均匀一致，背景在另一个灰度级上也分布均匀，这时利用阈值可以将目标与背景分割得很好。如果目标和背景的差别是某些其他特征而不是灰度特征时，那么先将这些特征差别转化为灰度差别，然后再应用阈值分割方法进行处理，这样使用阈值分割技术也可能是有效的 设图像为f(x,y)，其灰度集范围是[0,L]，在0和L 之间选择一个合适的灰度阈值T ，则图像分割方法可由下式描述： 这样得到的g(x,y)是一幅二值图像。 （一）原理研究 图像阈值分割的方法有很多，在这里就其中三种方法进行研究，双峰法，迭代法，以及OUTS 法。 方法一：双峰法 T y x f T y x f y x g ≥<),(),(10){,(

图像的阈值分割及边缘检测技术

数字图像处理实验报告 题目：图像的阈值分割及边缘检测技术 班级： 姓名： 学号：

图像的阈值分割及边缘检测技术 一、实验目的 1、了解图像的分割技术，掌握图像的全局阈值分割技术并通过MATLAB实现； 2、了解图像的边缘检测，掌握梯度算子图像边缘检测方法。 二、实验内容 1、基于直方图的全局阈值图像分割方法； 2、Edge命令（roberts,perwitt,sobel,log,canny），实现边缘检测。 三、实验原理 1、全局阈值是最简单的图像分割方法。其中，直方图法的原理如下：想做出图 像的直方图，若其直方图呈双峰且有明显的谷底，则可以讲谷底点所对应的灰度值作为阈值T，然后根据该阈值进行分割，九可以讲目标从图像中分割出来。这种方法是用于目标和背景的灰度差较大且直方图有明显谷底的情况。 2、用于边缘检测的梯度算子主要有Roberts算子、Prewitt算子、Sobel算子。 这三种检测算子中，Roberts算子定位精度较高，但也易丢失部分边缘，抗噪声能力差，适用于低噪声、陡峭边缘的场合。Prewitt算子、Sobel算子首先对图像做平滑处理，因此具有一定的抑制噪声的能力，但不能排除检测结果中的虚假边缘，易出现多像素宽度。

四、实验步骤 1、全局阈值分割： ①读取一张图像； ②生成该图像的直方图； ③根据直方图双峰产生的低谷估计阈值T； ④依次读取图像各个点的像素，若大于阈值，则将像素改为255，若小于 阈值，则将该像素改为0； 实验代码如下： I=imread('cameraman.tif'); %读取一张图像 subplot(221);imshow(I); %显示该图像 subplot(222);imhist(I); %生成该图像的直方图 T=60; %根据直方图估计阈值T为60 [m,n]=size(I); %取图像的大小为【m,n】 for i=1:m %依次读取图像各个点的像素，若大于阈 值，则将像素改为255，若小于阈值， 则将该像素改为0 for j=1:n if I(i,j)>=T I(i,j)=255; else I(i,j)=0; end end

基于阈值的图像分割方法--论文

课程结业论文 课题名称基于阈值的图像分割方法姓名 学号 学院 专业电子信息工程 指导教师副教授 年6月12日

学院课程结业论文诚信声明 本人郑重声明：所呈交的课程结业论文，是本人在指导老师的指导下，独立进行研究工作所取得的成果，成果不存在知识产权争议，除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担 目录 摘要 (1) 关键词 (1) ABSTRACT (2) KEY WORDS (2) 引言 (3) 1基于点的全局阈值选取方法 (4) 1.1最大类间交叉熵法 (5) 1.2迭代法 (6)

2基于区域的全局阈值选取方法 (7) 2.1简单统计法 (8) 2.3 直方图变化法 (9) 3局部阈值法和多阈值法 (10) 3.1水线阈值算法 (11) 3.2变化阈值法 (12) 4仿真实验 结论 (12) 参考文献 (13) 附录 基于阈值的图像分割方法 摘要：图像分割多年来一直受到人们的高度重视，至今这项技术也是趋于成熟，图像分割方法类别也是不胜枚举，近年来每年都有上百篇有关研究报道发表。图像分割是由图像处理进到图像分析的关键环节，是指把图像分成各具特性的区域并提取出有用的目标的技术和过程。在日常生活中，人们对图片的要求也

是有所提高，在对图像的应用中，人们经常仅对图像中的某些部分感兴趣，这 些部分就对应图像中的特定的区域，为了辨识和分析目标部分，就需要将这些 有关部分分离提取出来，因此就要应用到图像分割技术。 关键词：图像分割；阈值；matlab Based onthresholding for image segmentation methods Abstract：Image segmentation is a indispensable part of image processing and analysis, have important practical significance.It is according to the needs of image processing and analysis of the image into each area and extract the characteristic of technology and process of interested target.Image segmentation methods and types have a lot of different categories, some segmentation operation can be directly applied to all images, while others can only apply to special image.The purpose of this paper is to through the collection of image segmentation method based on threshold related information, analysis the advantages and disadvantages of various segmentation algorithm, using the MATLAB tools to threshold segmentation algorithm is studied. Keywords:image segmentation; The threshold value; matlab

迭代阈值法

数字图像处理的目的之一是图像识别, 而图像分割是图像识别工作的基础。图像分割是指把图像分解成具有特性的区域并提取出感兴趣目标的技术和过程，是计算机视觉领域的一个重要而且基本的问题，分割结果的好坏将直接影响到视觉系统的性能。因此从原理，应用和应用效果的评估上深入研究图像分割技术具有十分重要的意义。 本课题主要介绍了图像分割的基本知识。图像分割的算法有阈值分割法，边缘检测法，区域分割等，本设计重点介绍了基于最小点阈值方法，基于最优阈值分割方法，基于迭代图像分割方法，最大类间方差法（OTSU）的图像分割法的原理和他们的MATLAB的实现代码与运行结果。 关键词：图像分割；MATLAB；阈值分割；

1 课程设计目的 (3) 2 课程设计要求 (3) 3 相关知识 (3) 3.1 图像分割的概述 (3) 3.2 阈值分割的基本原理 (4) 3.3 阈值分割方法的分类 (5) 3.3.1 基于点的全局阈值方法 (6) 3.3.2 基于区域的全局阈值方法 (6) 3.3.3 局部阈值法和多阈值法 (6) 4 程设计分析 (6) 4.1 基于迭代的方法实现图像切割 (6) 4.2 最大类间方差的方法实现图像切割 (7) 5 程序设计 (8) 5.1 程序简单介绍 (8) 5.2 程序代码 (8) 6 结果与分析 (11) 结束语 (13) 参考文献 (14)

迭代阈值法 1 课程设计目的 本设计的课题任务是掌握图像阈值分割算法研究，实现对图像的分割。了解图像分割的应用及基本方法，理解阈值化图像分割原理，理解三类典型的阈值化分割算法，并利用之进行图像分割，给出实验结果并做出分析。 2 课程设计要求 ⑴查阅相关资料； ⑵理解基于各像素值的阈值分割算法，基于区域性质的阈值分割算法, 基于坐 标位置的阈值分割算；软件编程实现利用基于各像素值的阈值分割算法进行图像分割，要求完成如下内容：包括极小值点阈值、最优阈值、迭代阈值，基于最大方差的阈值，基于最大熵的阈值等方法，利用之实现图像分割，这里的图像可以针对核磁共振图像 ⑶用MATLAB实现，并观察各算法之间的区别。 3 相关知识 3.1 图像分割的概述 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分称为目标或前景(其他部分称为背景)，他们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将他们分离提取出来，在此基础上才有可能对目标进一步利用。图像分割就是指把图像分成格局特性的区域并提取出感兴趣目标的技术和过程。这里特性可以是象素的灰度、颜色、纹理等，预先定义的目标可以对应单个区域，也可以对应多个区。现有的图像分割算法有：阈值分割、边缘检测和区域提取法。本文着重研究基于阈值法的图像分割技术。 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，

灰度阈值分割算法

分享到 一键分享 QQ空间 新浪微博 百度云收藏 人人网 腾讯微博 百度相册 开心网 腾讯朋友 百度贴吧 豆瓣网 搜狐微博 百度新首页 QQ好友 和讯微博 更多... 百度分享 登录 | 注册 窗体顶端 窗体底端 收藏成功 确定 收藏失败，请重新收藏确定 窗体顶端 标题 标题不能为空 网址 标签 摘要

公开 取消收藏 窗体底端 分享资讯 传PPT/文档 提问题 写博客 传资源 创建项目 创建代码片 设置昵称编辑自我介绍，让更多人了解你帐号设置退出 社区 博客 论坛 下载 Share 极客头条 服务 CODE 英雄会 活动 CSTO 俱乐部 CTO俱乐部 高校俱乐部 奋斗斌斌的专栏

解决项目中的琐碎细节问题b.zhao_npu@https://www.docsj.com/doc/278074127.html, 目录视图 摘要视图 订阅 有奖征资源，博文分享有内涵人气博主的资源共享：老罗的Android之旅微软Azure?英雄会编程大赛题关注CSDN社区微信，福利多多社区问答：叶劲峰游戏引擎架构 灰度图像阈值化分割常见方法总结及VC实现 分类：图像处理OpenCV 2011-11-11 23:20 7427人阅读评论(14) 收藏举报 算法图形byte图像处理扩展 目录(?)[+] Otsu法最大类间方差法 一维交叉熵值法 二维OTSU法 参考文献 在图像处理领域，二值图像运算量小，并且能够体现图像的关键特征，因此被广泛使用。将灰度图像变为二值图像的常用方法是选定阈值，然后将待处理图像的每个像素点进行单点处理，即将其灰度值与所设置的门限进行比对，从而得到二值化的黑白图。这样一种方式因为其直观性以及易于实现，已经在图像分割领域处于中心地位。本文主要对最近一段时间作者所学习的阈值化图像分割算法进行总结，全文描述了作者对每种算法的理解，并基于OpenCV和VC6.0对这些算法进行了实现。最终将源代码公开，希望大家一起进步。（本文的代码暂时没有考虑执行效率问题） 首先给出待分割的图像如下： 1、Otsu法（最大类间方差法） 该算法是日本人Otsu提出的一种动态阈值分割算法。它的主要思想是按照灰度特性将图像划分为背景和目标2部分，划分依据为选取门限值，使得背景和目标之间的方差最大。（背景和目标之间的类间方差越大，说明这两部分的差别越大，当部分目标被错划分为背景或部分背景错划分为目标都会导致这两部分差别变小。因此，使用类间方差最大的分割意味着错分概率最小。）这是该方法的主要思路。其主要的实现原理为如下： 1）建立图像灰度直方图（共有L个灰度级，每个出现概率为p） 2）计算背景和目标的出现概率，计算方法如下： 上式中假设t为所选定的阈值，A代表背景（灰度级为0~N）,根据直方图中的元素可知，Pa为背景出现的概率，同理B为目标，Pb为目标出现的概率。 3）计算A和B两个区域的类间方差如下：

图像阈值分割技术研究

图像阈值分割技术研究 一、 研究目的 图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提．同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准，图像阈值分割即是其中的一种方法。 阈值分割技术因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，已被应用于很多的领域，在很多图像处理系统中都是必不可少的一个环节。 二、 研究思路 阈值分割图像的基本原理描述如下：利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合，选取一个合适的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生对应的二值图像。 即：()()()? ??≥<=.,1. ,0,T y x I T y x I j i B 三、 研究内容 （一）原理研究 图像阈值分割的方法有很多，在这里就其中三种方法进行研究，迭代法， OUTS 法，以及双峰法。 方法一：迭代法 方法原理： 开始时候选择一个阈值作为初始估计值，然后按着某种策略不断得改进这个估计值，直到满足给定的准则为止。 （1） 求出图像最大灰度值Max 和最小灰度值Min ，初始阈值估计值 T 0.=(Max+Min)*0.5. （2） 用T 0将图像分割为目标和前景。图像分成两组像素：Z 1由所有灰度值大 于或等于T 0的像素组成，而Z 0由所有灰度值小于T 0的像素组成。 （3） 分别求出两者区域中的所有像素计算平均灰度值a 1和a 2。 （4） 计算新的阈值T1=(a 1+a 2)*0.5. （5） 如果|T i+1-T i |<0.5，则退出循环，T i+1即为所求阈值；否则，将T i+1复制给 T i ，重复（2）~（5）。 源程序：

沈阳理工大学迭代阈值法图像分割程序设计

成绩评定表 学生姓名高冰钰班级学号1303030402 专业 电子信息工程课程设计题目 基于最大类间方差法图 像分割程序设计 —迭代阈值法 评 语 组长签字： 成绩 日期2016年7月18日

课程设计任务书 学院信息科学与工程专业电子信息工程 学生姓名高冰钰班级学号1303030402 课程设计题目基于最大类间方差法图像分割程序设计—迭代阈值法实践教学要求与任务： 本设计要求利用Matlab进行编程及仿真，仿真内容为基于最大类间方差法图像分割程序设计——迭代阈值法。利用所学数字图象处理技术知识，在Matlab软件系统上来实现图像分割，并且对程序进行测试。要求如下： （1）掌握课程设计的相关知识、概念、思路及目的。 （2）程序设计合理、能够正确运行且操作简单，可实施性强。 （3）掌握图像分割的方法。 （4）能够利用迭代阈值法进行图像分割。 工作计划与进度安排： 第一阶段（1-2）天：熟悉matlab编程环境，查阅相关资料； 第二阶段（2-3）天：算法设计； 第三阶段（2-3）天：编码与调试； 第四阶段（1-2）天：实验与分析； 第五阶段（1-2）天：编写文档。 指导教师： 2016年7月3日专业负责人： 2016年7月4日 学院教学副院长： 2016年7月4日

摘要 数字图像处理的目的之一是图像识别，而图像分割是图像识别工作的基础。图像分割是从图像预处理到图像识别和分析、理解的关键步骤，在数字图像处理中占据重要的位置。图像分割的目的是将图像分成一些有意义的区域并对这些区域进行描述。 图像分割的方法主要有点相关分割、区域相关分割、阈值法、界限检测法、匹配法、跟踪法等。本设计主要采用阈值分割法中的迭代阈值法，利用MATLAB 软件中的图像处理函数将图像导入，然后对图像进行灰度变换，通过迭代法求图像最佳分割阈值，根据该阈值对图像进行分割，从而产生二值化后的图像。仿真结果表明，通过迭代法选取的阈值是比较准确的，可以采用此阈值对图像进行分割。 关键词：图像分割；迭代阈值法；MATLAB

基于阈值的灰度图像分割

对以CPT算法为主的灰度阈值化方法的研究 目录： 第一章：绪论 第二章：图像的预处理 第三章：图像分割概述 第四章：灰度阈值化图像分割方法 第五章：CPT算法及其对它的改进 第六章：编程环境及用PhotoStar对改进的CPT算法和其他算法的实现 第七章：实验结果与分析 第一章：绪论 1.1数字图像处理技术的发展 人类传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中，听觉信息占20％，视觉占60％，其他如味觉、触觉、嗅觉总的加起来不过占20％。所以，作为传递信息的重要媒体和手段——图像信息是十分重要的。【5】对于图像信息的处理，即图像处理当然对信息的传递产生很大影响。 数字图像处理技术起源于20世纪20年代，当时通过海底电缆从伦敦到纽约传输了一幅图片，它采用了数字压缩技术。1964年美国的喷气处理实验室处理了太空船“徘徊者七号”发回的月球照片，这标志着第三代计算机问世后数字图像处理概念得到应用。其后，数字图像处理技术发展迅速，目前已成为工程学、计算机科学、生物学、医学等领域各学科之间学习和研究的对象。 经过人们几十年的努力，数字图像处理这一学科已逐渐成熟起来。人们总是试图把各个学科应用到数字图像处理中去，并且每产生一种新方法，人们也会尝试它在数字图像处理中的应用。同时，数字图像处理也在很多学科中发挥着它越来越大的作用。 1.2图像分割概述和本论文的主要工作 图像分割的目的是把图像空间分成一些有意义的区域，是数字图像处理中的重要问题，是计算机视觉领域低层次视觉问题中的重要问题，同时它也是一个经典的难题。几十年来，很多图像分割的方法被人们提出来，但至今它尚无一个统一的理论。 图像分割的方法很多，有早先的阈值化方法、最新的基于形态学方法和基于神经网络的方法。 阈值化方法是一种古老的方法，但确是一种十分简单而有效的方法，近几十年人们对阈值化方法不断完善和探索，取得了显著的成就，使得阈值化方法在实际应用中占有很重要的地位。 本文将主要对图像分割的阈值化方法进行探讨。在对阈值化方法的研究过程中，本人首先将集中精力对效果比较好的阈值化方法进行探讨，并对其存在的不足加以改进，从而作出性能优良的计算机算法；由于目前很多方法各有其特点，所以将对具有不同特点的图像用不同的方法处理进行研究。在论文正文部分还将其应用到实践中去，并对其加以评价。 第二章：图像的预处理 2.1图像预处理的概述 由于切片染色和输入光照条件及采集过程电信号的影响，所采集的医学图

图像分割阈值选取技术综述

图像分割阈值选取技术综述 中科院成都计算所刘平2004-2-26 摘要 图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要地领域之一,它是对图像进行视觉分析和模式识别地基本前提．阈值法是一种传统地图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛地分割技术．已被应用于很多地领域.本文是在阅读大量国内外相关文献地基础上,对阈值分割技术稍做总结,分三个大类综述阈值选取方法,然后对阈值化算法地评估做简要介绍. 关键词 图像分割阈值选取全局阈值局部阈值直方图二值化 1．引言 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交地区域,使得这些特征在同一区域内,表现出一致性或相似性,而在不同区域间表现出明显地不同[37]．简单地讲,就是在一幅图像中,把目标从背景中分离出来,以便于进一步处理.图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要地领域之一,它是对图像进行视觉分析和模式识别地基本前提．同时它也是一个经典难题,到目前为止既不存在一种通用地图像分割方法,也不存在一种判断是否分割成功地客观标准. 阈值法是一种传统地图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛地分割技术．已被应用于很多地领域,例如,在红外技术应用中,红外无损检测中红外热图像地分割,红外成像跟踪系统中目标地分割；在遥感应用中,合成孔径雷达图像中目标地分割等；在医学应用中,血液细胞图像地分割,磁共振图像地分割；在农业项目应用中,水果品质无损检测过程中水果图像与背景地分割.在工业生产中,机器视觉运用于产品质量检测等等.在这些应用中,分割是对图像进一步分析、识别地前提,分割地准确性将直接影响后续任务地有效性,其中阈值地选取是图像阈值分割方法中地关键技术. 2．阈值分割地基本概念 图像阈值化分割是一种最常用,同时也是最简单地图像分割方法,它特别适用于目标和背景占据不同灰度级范围地图像[1].它不仅可以极大地压缩数据量,而且也大大简化了分析和处理步骤,因此在很多情况下,是进行图像分析、特征提取与模式识别之前地必要地图像预处理过程.图像阈值化地目地是要按照灰度级,对像素集合进行一个划分,得到地每个子集形成一个与现实景物相对应地区域,各个区域内部具有一致地属性,而相邻区域布局有这种一致属性.这样地划分可以通过从灰度级出发选取一个或多个阈值来实现. 阈值分割法是一种基于区域地图像分割技术,其基本原理是：通过设定不同地特征阈值,把图像像素点分为若干类．常用地特征包括：直接来自原始图像地灰度或彩色特征；由原始灰度或彩色值变换得到地特征．设原始图像为f(x,y>,按照一定地准则在f(x,y>中找到特征值T,将图像分割为两个部分,分割后地图像为 若取：b0=0<黑）,b1=1<白）,即为我们通常所说地图像二值化. <原始图像）<阈值分割后地二值化图像） 一般意义下,阈值运算可以看作是对图像中某点地灰度、该点地某种局部特性以及该点在图像中地位置地一种函数,这种阈值函数可记作 T(x,y,N(x,y>,f(x,y>> 式中,f(x,y>是点(x,y>地灰度值；N(x,y>是点(x,y>地局部邻域特性．根据对T地不同约束,可以得到3种不同类型地阈值[37],即 点相关地全局阈值T＝T(f(x,y>> (只与点地灰度值有关> 区域相关地全局阈值T＝T(N(x,y>,f(x,y>> (与点地灰度值和该点地局部邻域特征有关> 局部阈值或动态阈值T＝T(x,y,N(x,y>,f(x,y>> (与点地位置、该点地灰度值和该点邻域特征有关> 图像阈值化这个看似简单地问题,在过去地四十年里受到国内外学者地广泛关注,产生了数以百计地阈值选取方法[2-9],但是遗憾地是,如同其他图像分割算法一样,没有一个现有方法对各种各样地图像都能得到令人满意地结果,甚至也没有一个理论指导我们选择特定方法处理特定图像. 所有这些阈值化方法,根据使用地是图像地局部信息还是整体信息,可以分为上下文无关(non-

几种常见的阈值分割算法核心代码

阈值分割 1/*===============================图像分割 =====================================*/ 2 /*-------------------------------------------------------------------------- -*/ 3/*手动设置阀值*/ 4 IplImage* binaryImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1); 5 cvThreshold(smoothImgGauss,binaryImg,71,255,CV_THRESH_BINARY); 6 cvNamedWindow("cvThreshold", CV_WINDOW_AUTOSIZE ); 7 cvShowImage( "cvThreshold", binaryImg ); 8//cvReleaseImage(&binaryImg); 9 /*---------------------------------------------------------------------------*/ 10/*自适应阀值 //计算像域邻域的平均灰度，来决定二值化的值*/ 11 IplImage* adThresImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1); 12double max_value=255; 13int adpative_method=CV_ADAPTIVE_THRESH_GAUSSIAN_C;//CV_ADAPTIVE_THRESH_MEAN_C 14int threshold_type=CV_THRESH_BINARY; 15int block_size=3;//阈值的象素邻域大小 16int offset=5;//窗口尺寸 17 cvAdaptiveThreshold(smoothImgGauss,adThresImg,max_value,adpative_method, threshold_type,block_size,offset); 18 cvNamedWindow("cvAdaptiveThreshold", CV_WINDOW_AUTOSIZE ); 19 cvShowImage( "cvAdaptiveThreshold", adThresImg ); 20 cvReleaseImage(&adThresImg); 21 /*-------------------------------------------------------------------------- -*/ 22/*最大熵阀值分割法*/ 23IplImage* imgMaxEntropy = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1); 24 MaxEntropy(smoothImgGauss,imgMaxEntropy); 25 cvNamedWindow("MaxEntroyThreshold", CV_WINDOW_AUTOSIZE ); 26 cvShowImage( "MaxEntroyThreshold", imgMaxEntropy );//显示图像 27 cvReleaseImage(&imgMaxEntropy ); 28 /*-------------------------------------------------------------------------- -*/ 29/*基本全局阀值法*/ 30 IplImage* imgBasicGlobalThreshold = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1); 31 cvCopyImage(srcImgGrey,imgBasicGlobalThreshold);

数字图像灰度阈值的图像分割技术matlab

1．课程设计的目的 (1)使学生通过实验体会一些主要的分割算子对图像处理的效果，以及各 种因素对分割效果的影响 (2)使用Matlab软件进行图像的分割 (3)能够进行自行评价各主要算子在无噪声条件下和噪声条件下的分割 性能 (4)能够掌握分割条件（阈值等）的选择 (5)完成规定图像的处理并要求正确评价处理结果，能够从理论上做出合 理的解释 2．课程设计的要求 （1）能对图像文件（bmp,jpg,tiff,gif）进行打开，保存，退出等功能操作 （2）包含功能模块：图像的边缘检测（使用不同梯度算子和拉普拉斯算子）（3）封闭轮廓边界 （4）区域分割算法：阈值分割，区域生长等

3．前言 3.1图像阈值分割技术基本原理 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准]5[。 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分称为目标或前景(其他部分称为背景)，他们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将他们分离提取出来，在此基础上才有可能对目标进一步利用。图像分割就是指把图像分成格局特性的区域并提取出感兴趣目标的技术和过程。这里特性可以是象素的灰度、颜色、纹理等，预先定义的目标可以对应单个区域，也可以对应多个区域。现有的图像分割算法有：阈值分割、边缘检测和区域提取法。本文着重研究基于阈值法的图像分割技术。 若图像中目标和背景具有不同的灰度集合：目标灰度集合与背景灰度集合，且两个灰度集合可用一个灰度级阈值T进行分割。这样就可以用阈值分割灰度级的方法在图像中分割出目标区域与背景区域，这种方法称为灰度阈值分割方法。 在物体与背景有较强的对比度的图像中，此种方法应用特别有效。比如说物体内部灰度分布均匀一致，背景在另一个灰度级上也分布均匀，这时利用阈值可以将目标与背景分割得很好。如果目标和背景的差别是某些其他特征而不是灰度特征时，那么先将这些特征差别转化为灰度差别，然后再应用阈值分割方法进行处理，这样使用阈值分割技术也可能是有效的

基于MATLAB的数字图像分割的研究与实现

本科毕业论文（设计） 题目：基于MATLAB的数字图像分割的研究与实现 学院：计算机与信息工程学院 学生： 学号： 专业： 年级： 完成日期： 2012年04月 指导教师：

基于MATLAB的数字图像分割的研究与实现 摘要：视觉和听觉是我们认识和感知外部世界的主要途径，而视觉又是其中最重要的，因此要想更细致、全面地把握这些图像信息就需要对其进行必要的处理。在数字图像处理的研究和应用中很多时候我们只对图像的某些部分和特征感兴趣，此时就需要利用图像分割技术将所需的目标与图片的其他部分区分开，以供我们对图像进一步研究和分析。图像分割即通过一些必要的算法把图像中有意义的部分或特征提取出来，将图像分为若干有意义的区域，使得这些区域对应图像中的不同目标，进而能够对所感兴趣的区域进行研究。基于图像分割技术在图像处理之中的重要性，本研究在此对图像分割的一些经典算法进行了学习和对比，并通过MATLAB对其进行了实验，通过不同的算法对不同的图片进行处理，分析其优缺点，以便在进行图像分割时可以根据图片的特征选择合适的算法。 关键字：数字图像；分割；MATLAB

The Research and Implementation of Digital Image Segmentation Based on the MATLAB Abstract :Vision and auditory are the main ways which we use to understand and perceive the world outside, while vision is the most important. Therefore, it's require to process the image data to grasp them more painstaking and completely. In digital image processing of research and application we are only interested to some parts of the image and characteristic in many times, then you need to use the image segmentation technology to separate the goal and the picture for other parts for our further research and analysis of the image.Image segmentation is dividing the image into some significant areas through some necessary algorithms, then make these areas corresponding to different goals and we can do some research about the areas we are interested to. Based on the importance of image segmentation technology in image processing, I compared several classical algorithms of image segmentation. In the meanwhile, I used the MATLAB to do some research and to process the various images with different algorithms so that it's convinent to find the advantages of these algorithms. Then, I can base on the characteristics of the images to choose the suitable algorithms when to make some digital image segmentation. Key words : D igital Image; Segmentation; MATLAB

图像分割方法综述

图像分割方法综述 摘要：图像分割是计算计视觉研究中的经典难题，已成为图像理解领域关注的一个热点， 本文对近年来图像分割方法的研究现状与新进展进行了系统的阐述。同时也对图像分割未来的发展趋势进行了展望。 关键词：图像分割；区域生长；活动边缘；聚类分析；遗传算法 Abstract: Image segmentation is a classic problem in computer vision,and become a hot topic in the field of image understanding. the research actuality and new progress about image segmentation in recent years are stated in this paper. And discussed the development trend about the image segmentation. Key words: image segmentation; regional growing; active contour; clustering analysis genetic algorithm 1 引言 图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域的边界上一般具有灰度不连续性。 关于图像分割技术，由于问题本身的重要性和困难性，从20世纪70年代起图像分割问题就吸引了很多研究人员为之付出了巨大的努力。虽然到目前为止，还不存在一个通用的完美的图像分割的方法，但是对于图像分割的一般性规律则基本上已经达成的共识，已经产生了相当多的研究成果和方法。本文根据图像发展的历程，从传统的图像分割方法、结合特定工具的图像分割方法、基于人工智能的图像分割方法三个由低到高的阶段对图像分割进行全面的论述。 2 传统的图像分割方法 2.1 基于阀值的图像分割方法 阀值分割法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。阀值分割法的基本原理是通过设定不同的特征阀值，把图像像素点分为具有不同灰度级的目标区域和背景区域的若干类。它特别适用于目标和背景占据不同灰度级范围的图，目前在图像处理领域被广泛应用，其中阀值的选取是图像阀值分割中的关键技术。 灰度阀值分割方法是一种最常用的并行区域技术，是图像分割中应用数量最多的一类。图像若只用目标和背景两大类，那么只需要选取一个阀值，此分割方法称为单阀值分割。单阀值分割实际上是输入图像f到输出图像g的如下变换：

基于迭代法的图像二值化

基于迭代法的图像二值化 一、实验要求： ①运用迭代法求最佳阈值 ②根据所求阈值对灰度图进行二值化处理 ③使用matlab实现上述功能，并显示各步骤处理结果 二、主要原理： 图像的二值化最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。 迭代法求阈值：预先设置一个阈值T，对图像中灰度值>T的像素点求出灰度平均值T1，图像中灰度值

四、程序及简单分析： %迭代法图像分割，迭代思想是将每次基于阈值获得的两部分灰度值的均值之差是否小于预先设定的极限，若不小于，则继续迭代，否则迭代停止 clear Init=imread('lena.jpg'); Im=rgb2gray(Init); subplot(1,3,1),imhist(Im),title('直方图') subplot(1,3,2),imshow(Im) , title('原始图像') [x,y]=size(Im); % 求出图象大小 b=double(Im); zd=double(max(max(Im))) % 求出图象中最大的灰度 zx=double(min(min(Im))) % 最小的灰度 T=double((zd+zx))/2; % T赋初值，为最大值和最小值的平均值 count=double(0); % 记录几次循环 while 1 % 迭代最佳阈值分割算法 count=count+1; S0=0.0; n0=0.0; %为计算灰度大于阈值的元素的灰度总值、个数赋值 S1=0.0; n1=0.0; %为计算灰度小于阈值的元素的灰度总值、个数赋值 for i=1:x for j=1:y if double(Im(i,j))>=T S1=S1+double(Im(i,j)); %大于阈域值图像点灰度值累加 n1=n1+1; %大于阈域值图像点个数累加 else S0=S0+double(Im(i,j)); %小于阈域值图像点灰度值累加 n0=n0+1; %小于阀域值图像点个数累加 end end end T0=S0/n0; %求小于阀域值均值 T1=S1/n1; %求大于阀域值均值 if abs(T-((T0+T1)/2))<0.1 %迭代至前后两次阀域值相差几乎为0时停止迭代。 break; else T=(T0+T1)/2; %在阈值T下，迭代阈值的计算过程end end count %显示运行次数

基于阈值的图像分割方法研究与实现

本科毕业设计 （2011届） 题目基于阈值的图像分割方法研究与实现 摘要 本毕业设计主要研究基于Hough变换的图像结构提取方法，通过MATLAB语言编程来实现两种典型的图像阈值分割算法（最大类间方差法和迭代法），并对这两种算法进行比较分析。其主要工作步骤如下： 首先介绍数字图像处理和图像分割的基本理论知识。接着对几种图像分割方法进行了介绍。然后了解图像阈值化原理，并在此基础上对两种典型的图像阈值分割算法（最大类间方差法和迭代法）的原理进行了介绍。最后通过MATLAB语言编程实现这两种算法，分别得到这两种算法的分割性能，并对这两种算法的分割性能进行比较。结果表明在大多数情况下，最大类间方差法比迭代法更稳定。 关键词：数字图像处理；阈值化；最大类间方差法；迭代法；直方图

ABSTRACT The main aim of this thesis is to analyze image segmentation method based on thresholding, then implement two typical algorithms (Otsu method and Iterative method) by MATLAB language programming, and compare the two algorithms. Its main work procedure is as follows: First the basic theories of digital image processing and image segmentation are introduced. Then several image segmentation algorithms are introduced. Based on knowing the theory of image thresholding, we introduce the theory of two typical algorithms (Otsu method and Iterative method). Finally through MATLAB language programming, we can get the segmentation performance of the two algorithms respectively, and compare the two algorithm’s segmentation performance. The result shows that Otsu method is more stable than Iterative method in most cases. Key words：digital image processing; thresholding; Otsu method; Iterative method; image histogram.