%基于貝葉斯分類算法的圖像閾值分割?
clear?
clc;?
Init?=?imread（‘01.jpg‘）;?
r=Init（::1）;
g=Init（::2）;
b=Init（::3）;
Im=r-g;
subplot（131）imhist（Im）title（‘直方圖‘）?
subplot（132）imshow（Im）?
title（‘原始圖像‘）?
[xy]=size（Im）;????????????????????%?求出圖象大小?
b=double（Im）;???????????????????
zd=double（max（Im））??????????????????%?求出圖象中最大的灰度?
zx=double（min（Im））????????????????%?最小的灰度??
T=double（（zd+zx））/2;?????????????????????%?T賦初值，為最大值和最小值的平均值?
?
count=double（0）;?????????????????????????%?記錄幾次循環(huán)?
while?1???????????????????%?迭代最佳閾值分割算法?
????count=count+1;?
????S0=0.0;?n0=0.0;???????????????????%為計(jì)算灰度大于閾值的元素的灰度總值、個(gè)數(shù)賦值?
????S1=0.0;?n1=0.0;???????????????????%為計(jì)算灰度小于閾值的元素的灰度總值、個(gè)數(shù)賦值?
????for?i=1:x
????????for?j=1:y
????????????if?double（Im（ij））>=T
????????????????S1=S1+double（Im（ij））;??%大于閾域值圖像點(diǎn)灰度值累加
????????????????n1=n1+1;????????????????%大于閾域值圖像點(diǎn)個(gè)數(shù)累加
????????????else
????????????????S0=S0+double（Im（ij））;??%小于閾域值圖像點(diǎn)灰度值累加
????????????????n0=n0+1;????????????????%小于閥域值圖像點(diǎn)個(gè)數(shù)累加
????????????end?
????????end?
????end??
????T0=S0/n0;?%求小于閥域值均值
????T1=S1/n1;?%求大于閥域值均值
????if?abs（T-（（T0+T1）/2））<0.1?????%迭代至?前后兩次閥域值相差幾乎為0時(shí)?停止迭代。
????????break;
????else
???????T=（T0+T1）/2;?????????????????%在閾值T下，迭代閾值的計(jì)算過程?
???end?
end?
?
count????????????????????????????????%顯示運(yùn)行次數(shù)
T
i1=im2bw（ImT/255）;???????????????%?圖像在最佳閾值下二值化?
subplot（133）imshow（i1）?
title（‘實(shí)驗(yàn)結(jié)果‘）?

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----

?????文件???????1627??2016-09-21?00:43??基于樸素貝葉斯分類法的圖像分割\bys.m

?????文件??????80613??2016-07-13?22:21??基于樸素貝葉斯分類法的圖像分割\test.jpg

?????文件????2572366??2016-07-13?22:21??基于樸素貝葉斯分類法的圖像分割\02.jpg

?????文件????2624939??2016-07-13?22:21??基于樸素貝葉斯分類法的圖像分割\01.jpg

?????目錄??????????0??2016-09-20?01:55??基于樸素貝葉斯分類法的圖像分割

-----------?---------??----------?-----??----

??????????????5279545????????????????????5