adaptthresh

使用局部一阶统计量的自适应图像阈值

语法

T = adaptthresh(I)

T = adaptthresh(I,sensitivity)

T = adaptthresh(___,Name=Value)

说明

T = adaptthresh(I) 计算二维灰度图像或三维灰度图像体 I 的局部自适应阈值。adaptthresh 函数基于每个像素邻域的局部均值强度（一阶统计量）选择阈值。阈值 T 可与 imbinarize 函数结合使用以将灰度图像转换为二值图像。

示例

T = adaptthresh(I,sensitivity) 使用灵敏度因子计算局部自适应阈值，通过阈值化处理将更多像素归为前景。

示例

T = adaptthresh(___,Name=Value) 使用名称-值对组计算局部自适应阈值，以控制阈值的各个方面。

示例

全部折叠

从暗背景中寻找阈值并分割亮米粒

打开实时脚本

将图像读入工作区。

I = imread('rice.png');

使用 adaptthresh 确定在二值化运算中使用的阈值。

T = adaptthresh(I, 0.4);

将图像转换为二值图像，以指定阈值。

BW = imbinarize(I,T);

并排显示原始图像及其二值图像版本。

figure
imshowpair(I, BW, 'montage')

Figure contains an axes object. The hidden axes object contains an object of type image.

找到阈值并从亮背景中分割暗文本

打开实时脚本

将图像读入工作区。

I = imread('printedtext.png');

使用 adaptthresh 计算自适应阈值并显示局部阈值图像。这表示平均背景照度的估计值。

T = adaptthresh(I,0.4,'ForegroundPolarity','dark');
figure
imshow(T)

Figure contains an axes object. The hidden axes object contains an object of type image.

使用局部自适应阈值对图像进行二值化

BW = imbinarize(I,T);
figure
imshow(BW)

Figure contains an axes object. The hidden axes object contains an object of type image.

计算三维体的阈值

打开实时脚本

将三维体加载到工作区中。

load mristack;
V = mristack;

显示数据。

figure
slice(double(V),size(V,2)/2,size(V,1)/2,size(V,3)/2)
colormap gray
shading interp

Figure contains an axes object. The axes object contains 3 objects of type surface.

计算阈值。

J = adaptthresh(V,'neigh',[3 3 3],'Fore','bright');

显示阈值。

figure
slice(double(J),size(J,2)/2,size(J,1)/2,size(J,3)/2)
colormap gray
shading interp

Figure contains an axes object. The axes object contains 3 objects of type surface.

输入参数

全部折叠

`I` — 灰度图像或图像体
二维数值矩阵 | 三维数值数组

灰度图像或图像体，指定为二维数值矩阵或三维数值数组。

adaptthresh 需要数据类型为 double 和 single 的图像的值在 [0, 1] 的范围内。如果 I 的值超出范围 [0, 1]，则可以使用 rescale 函数将值重新缩放到需要的范围。

如果图像包含 Inf 或 NaN 值，则说明 adaptthresh 的行为未定义。Inf 或 NaN 值的传播可能不会局限于 Inf 或 NaN 像素周围的邻域。

`sensitivity` — 确定哪些像素被阈值化为前景像素
`0.5` (默认) | [0, 1] 范围内的数值

确定哪些像素被阈值化为前景像素，指定为 [0, 1] 范围内的数字。高敏感度值导致更多的像素通过阈值化处理归为前景，但这会存在将一些背景像素也归为前景的风险。

名称-值参数

将可选的参量对组指定为 Name1=Value1,...,NameN=ValueN，其中 Name 是参量名称，Value 是对应的值。名称-值参量必须出现在其他参量后，但对各个参量对组的顺序没有要求。

示例: T = adaptthresh(I,0.4,ForegroundPolarity="dark"); 指定前景比背景暗。

如果使用的是 R2021a 之前的版本，请使用逗号分隔每个名称和值，并用引号将 Name 引起来。

示例: T = adaptthresh(I,0.4,"ForegroundPolarity","dark"); 指定前景比背景暗。

`NeighborhoodSize` — 用于计算每个像素周围局部统计量的邻域大小
`2*floor(size(I)/16)+1` (默认) | 正奇数 | 由正奇数组成的二元素向量

用于计算每个像素周围局部统计量的邻域大小，指定为正奇数或由正奇数组成的二元素向量。

`ForegroundPolarity` — 确定哪些像素被视为前景像素
`"bright"` (默认) | `"dark"`

确定哪些像素被视为前景像素，使用以下项之一进行指定：

值	意义
`"bright"`	前景比背景亮。
`"dark"`	前景比背景暗。

数据类型: char | string

`Statistic` — 用于计算局部阈值的统计量
`"mean"` (默认) | `"median"` | `"gaussian"`

用于计算每个像素的局部阈值的统计量，指定为下列值之一：

值	意义
`"mean"`	邻域中的局部均值强度。这种方法也称为布拉德利方法 [1]。
`"median"`	邻域中的局部中位数。此统计量的计算可能会很慢。请考虑使用较小的邻域大小来更快地获得结果。
`"gaussian"`	邻域中的高斯加权均值。

数据类型: char | string

输出参量

全部折叠

`T` — 归一化的强度值
数值矩阵 | 数值数组

归一化的强度值，以与输入图像或图像体 I 大小相同的数值矩阵或数值数组形式返回。值被裁剪到 [0, 1] 的范围内。

数据类型: double

参考

[1] Bradley, D., G. Roth, "Adapting Thresholding Using the Integral Image," Journal of Graphics Tools. Vol. 12, No. 2, 2007, pp.13–21.

扩展功能

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

用法说明和限制：

adaptthresh 支持 C 代码生成（需要 MATLAB^® Coder™）。请注意，如果您选择通用的 MATLAB Host Computer 目标平台，adaptthresh 生成的代码将使用平台特定的预编译共享库。使用共享库可保留性能上的优化，但适用范围仅限于生成的代码所适用的目标平台。有关详细信息，请参阅Image Processing Toolbox 中代码生成支持的类型。
ForegroundPolarity 和 Statistic 参量必须为编译时常量。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

用法说明和限制：

ForegroundPolarity 和 Statistic 参量必须为编译时常量。

基于线程的环境
使用 MATLAB® `backgroundPool` 在后台运行代码或使用 Parallel Computing Toolbox™ `ThreadPool` 加快代码运行速度。

此函数完全支持基于线程的环境。有关详细信息，请参阅在基于线程的环境中运行 MATLAB 函数。

版本历史记录

在 R2016a 中推出

全部展开

R2022b: 使用 GPU Coder 生成 CUDA 代码

adaptthresh 现在支持生成优化的 CUDA^® 代码（需要 GPU Coder™）。

R2021b: 支持基于线程的环境

adaptthresh 现在支持基于线程的环境。

另请参阅

imbinarize | otsuthresh | graythresh

adaptthresh

语法

说明

示例

从暗背景中寻找阈值并分割亮米粒

找到阈值并从亮背景中分割暗文本

计算三维体的阈值

输入参数

I — 灰度图像或图像体 二维数值矩阵 | 三维数值数组

sensitivity — 确定哪些像素被阈值化为前景像素 0.5 (默认) | [0, 1] 范围内的数值

名称-值参数

NeighborhoodSize — 用于计算每个像素周围局部统计量的邻域大小 2*floor(size(I)/16)+1 (默认) | 正奇数 | 由正奇数组成的二元素向量

ForegroundPolarity — 确定哪些像素被视为前景像素 "bright" (默认) | "dark"

Statistic — 用于计算局部阈值的统计量 "mean" (默认) | "median" | "gaussian"

输出参量

T — 归一化的强度值 数值矩阵 | 数值数组

参考

扩展功能

C/C++ 代码生成 使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成 使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

基于线程的环境 使用 MATLAB® backgroundPool 在后台运行代码或使用 Parallel Computing Toolbox™ ThreadPool 加快代码运行速度。

版本历史记录

R2022b: 使用 GPU Coder 生成 CUDA 代码

R2021b: 支持基于线程的环境

另请参阅

WeChat

`I` — 灰度图像或图像体
二维数值矩阵 | 三维数值数组

`sensitivity` — 确定哪些像素被阈值化为前景像素
`0.5` (默认) | [0, 1] 范围内的数值

`NeighborhoodSize` — 用于计算每个像素周围局部统计量的邻域大小
`2*floor(size(I)/16)+1` (默认) | 正奇数 | 由正奇数组成的二元素向量

`ForegroundPolarity` — 确定哪些像素被视为前景像素
`"bright"` (默认) | `"dark"`

`Statistic` — 用于计算局部阈值的统计量
`"mean"` (默认) | `"median"` | `"gaussian"`

`T` — 归一化的强度值
数值矩阵 | 数值数组

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

基于线程的环境
使用 MATLAB® `backgroundPool` 在后台运行代码或使用 Parallel Computing Toolbox™ `ThreadPool` 加快代码运行速度。