基于遗传算法的二维最大类间方差法的图像分割优化

一、背景

最大类间方差阈值分割法日本大津展之在1980年提出的，其基本思路是将图像的直方图以某一灰度为阈值，将图像分成两组并计算两组的方差，当被分成的两组之间的方差最大时，就以这个灰度值为國值分割图像。
遗传算法就是借鉴自然界的进化过程首先由Holland提出，在计算上具有通用、稳定、简单、并行处理的特点。遗传算法从20世纪80年代末及90年代初开始流行，在大型工业自动化处理上得到了广泛的应用。遗传算法是一个群体优化过程，为了达到目标函数的最大值或者最小值，从一组初值(即一个群体)出发进行繁衍优化，这过程包括了群体的繁衍竞争、杂交与变异。
关于两者的公式推导，可参考[1]

二、实例验证

实例一

例如，对于如下原始图像，采用上述算法进行图像分割，结果如下：

图 1 原始图像

图 2 图像分割结果

实例二

对于另一原始图像，采用上述算法进行图像分割，结果如下：

图 3 原始图像

图 4 图像分割结果

图 5 每一代的最佳阈值进化曲线

图 6 最佳适应度值进化曲线

三、参考文献

[1] 黄亚伟, 陈悦, 黄晓华. 基于遗传算法的二维最大类间方差法的优化[J]. 机械与电子, 2018, 36(04): 20-23.

四、资源获取

上述资源可从如下链接处获取：

https://download.csdn.net/download/qq_36584460/85085738

资源包含以下内容：

main.m(主程序)
object1.jpg (实例一的原始图像)
object2.jpg (实例二的原始图像)
参考文献.pdf
参考文献2.pdf
使用指南.pdf(关于使用该程序的详细说明)

如有任何问题，可私信博主交流讨论。