基于直方图的自适应阈值二值化

%自适应滤波算法
%程序状态：完成
pic=imread（‘e:\test-pic\mi.jpg‘）;
%imshow（pic）;
%pic=rgb2gray（pic）;
pic=imresize（pic3）;
[picxpicy]=size（pic）;
%改变原图的直方图分布，测试自适应滤波的效果
for i=1:picx
    for j=1:picy
        pic（ij）=pic（ij）/2;
    end
end
pic=pic+128;
pic=uint8（pic）;
figure（1）;
imshow（pic）;
title（‘原图‘）;

%计算直方图
figure（2）;
pich=imhist（pic）;
sigma=2;
t=-floor（3*sigma）:1:floor（3*sigma）;
g=1/sqrt（2*pi）/sigma*exp（-1/2*（t）.^2/sigma^2）;
g=g/sum（g）;
%imhist（pic）;
%plot（pich）;
pich1=conv（pichg）;
pich1=pich1（floor（3*sigma）+1:size（pich1）-floor（3*sigma））;
pich1=pich1/picx/picy;%直方图归一化
%pich1=medfilt1（pich13）;
plot（pich1）;

%指定阈值计算二值图像
pic1=zeros（size（pic））;
[picxpicy]=size（pic）;
threshold=0.4;
threshold=threshold*255;
for i=1:picx
    for j=1:picy
        if pic（ij）<=threshold
            pic1（ij）=0;
        elseif pic（ij）>threshold
            pic1（ij）=255;
        end
    end
end
figure（3）;
imshow（pic1）;
title（strcat（‘二值化，sigma=‘num2str（threshold）））;

%根据混合高斯模型，自适应二值化
%peak1与peak2记录了从两边数的第一个峰值
%混合高斯模型的t肯定在这两个峰值之间
peak1=0;
peak2=0;
for i=1:256
    if pich1（i）>pich1（i+1）&&pich1（i+1）>pich1（i+2）&&pich1（i+2）>pich1（i+3）
        peak1=i;
        break;
    end
end
for i=256:-1:1
    if pich1（i）>pich1（i-1）&&pich1（i-1）>pich1（i-2）&&pich1（i-2）>pich1（i-3）