图像阈值分割Matlab版

图像阈值分割是一个非常简单的算法。
对图像像素点，大于阈值，则认为是目标；小于阈值，则认为是背景。

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1
if(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image
end
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 = 0 ;
        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。