图像阈值分割是一个非常简单的

而现在遇到的阈值分割却需要完成如下的多个功能：

1、基本的阈值分割：

大于阈值，则认为是目标；小于，则认为是背景

2、像素值较低才被认为是目标，即要把不等号反向

对图像像素点，小于阈值，认为是目标；大于阈值，则认为是背景。

3、可能进行阈值分割的图像只是标记图像

对标记图像进行分割后，需要在原始的图像上对分割的目标区域进行展示

这就需要输入原始图像

原始图像可能是灰度图像，也有可能是彩色图像

4、多个阈值进行分割

输出每个阈值进行分割的结果

花费了两个小时，完成了单阈值分割完成了功能1、2、3；本来将功能4也整合进来了，但感觉如此一来，代码太过费解，并且有一定的代码冗余，因此将其分离成一个单独的函数，通过调用单阈值分割实现。

功能 2 的实现： 增加一个偏置 标记 bias

若为1，则表示正常情况，大于阈值，则认为是目标

为-1时，则反之。

进行比较时用：bias*image>bias*thresh 对两种情况通用

% 对标记图像进行阈值分割

%

% 标记图像里像素值大于Thresh，则认为时病斑，否则认为是非病斑

%

% 输入：

% image     进行阈值分割的图像

% thresh     分割的阈值

% bias        分割的偏置，默认为1

%                bias=+1大于阈值为1，小于阈值为0

%                bias=-1大于阈值为0，小于阈值为1

% bgImage   背景图像，image上标识为目标的区域被保留，而标识为背景的则删除

%                  默认为进行阈值分割的图像，即image

%

% 输出：

% labBinaryImage 标识病斑图像、二值图像

% labSrcImage    在背景图像上作标记，标识病斑区域

%

%[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh);

%[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,bias);

%[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,bias,bgimage);

%

%2007-11-08%

function[labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,varargin)

iptchecknargin(2,4,nargin,mfilename);% 检测输入参数数量iptcheckinput(image,{'numeric'},{'2d','real','nonsparse'},mfilename,'image',1);

iptcheckinput(thresh,{'numeric'},{'row','nonempty','real'},mfilename,'thresh',2);

thresh=thresh(1);% 只取第一个阈值bias=1;% 偏置，默认为1if(nargin>2)               % 指定偏置

    bias=varargin{1};end

if(bias~=1)                  % 偏置只允许取值1和-1    bias=-1;

end

image=double(image);% 类型转换iptcheckinput(bias,{'numeric'},{'row','nonempty','integer'},mfilename,'bias',3);

if(nargin>3)        % 显示的背景图像

    bgImage=varargin{2};

if( (size(bgImage,1)~=size(image,1))||(size(bgImage,2)~=size(image,2)) )

        error('背景图像大小需与分割图像完全一致。');

end

else

    bgImage=image;% 默认为进行阈值分割的图像imageend

iptcheckinput(bgImage,{'numeric'},{'real','nonsparse'},mfilename,'bgImage',4);

% 阈值分割，生成两幅标记图像

labBinaryImage=zeros(size(image));% 在二值图像上标识病斑区域labBinaryImage(find(bias*image>=bias*thresh))=1;

if ( nargout>1)                              % 输出背景图像上标识病斑区域

    for cur=1:size(bgImage,3)      % 对每个平面均进行标记，灰度图像与彩色图像均可

        curLabSrcImage=bgImage(:,:,cur);curLabSrcImage(find(bias*image

labSrcImage(:,:,cur)=curLabSrcImage;

end

end

但也还存在一个问题，就是边界情况。即 bias*image=bias*thresh 的像素点的类别。bias取不同值其归类规则略有差别。比如归类规则：bias*image>bias*thresh，bias=1时表示大于阈值则认为是目标像素；bias=-1则小于等于阈值认为是目标像素。两者差一个等号。不能做到一致。