【图像分割】基于Matlab Tsallis熵算法灰度图像分割【含Matlab源码 715期】

一、图像分割简介

理论知识参考：【基础教程】基于matlab图像处理图像分割【含Matlab源码 191期】

二、部分源代码

%*********************************************
%Image thresholding using Tsallis entropy

%2021-3-26 
%*********************************************
clear all;
close all;
clc

format short g;
% disp(strcat('***************apply on whiteRose.jpg'));

% I=imread('whiteRose.jpg');
I=imread('C:\Users\lenovo\Desktop\113172244Tsallis-entropy\Tsallis entropy/cell.jpg');
% I=imread('ndmz.png');
% I=imread('star.jpg');
% I=imread('cell2.jpg');
imgray = rgb2gray(I);%灰度转化
thresh=graythresh(imgray);%求阈值
I2=im2bw(imgray,thresh);%二值图转化
subplot(2,3,1)
imshow(I);title('原图');
subplot(2,3,2)
imshow(imgray);title('灰度图');
subplot(2,3,3)
imhist(imgray);title('灰度直方图');
subplot(2,3,4)
omega=num2str(uint8(round(thresh*255)));
imshow(I2);title(['OTSU 阈值：',omega]);
disp(strcat('OTSU 计算灰度阈值：',num2str(uint8(round(thresh*255)))));
thresh1=thresh
[m,n]=size(imgray);
N=m*n ; %灰度值的总数
%****************************************
%KAPUR_entroy最大熵值法求阈值 figure(1)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
[count,x]=imhist(imgray,256);
A=[x,count];
p=count/N;%求每个灰度值出现的概率
%用'1985-histo'文献里提到的新算法计算阈值
a=min(find(p~=0.0));
P=p(p~=0);%提取p不为零的项，剔除奇点
p=p(a:256);%把前几项为零的奇点剔除
b=length(p);
ps=cumsum(p);%概率1-T求和
PS=cumsum(P);
Hs=-cumsum(P.*log(P));
HA=log(PS)+Hs./PS;
HB=log(1-PS)+(Hs(end)-Hs)./(1-PS); 
L2=length(HA);%剔除1-PS为零的点
HA=HA(1:(L2)-1);
HB=HB(1:(L2)-1);
Ts=HA+HB;
s=mean(find(Ts==max(Ts))+a-2);
disp(strcat('KAPUR_entroy计算灰度阈值：',num2str(s)));
thresh2=double(s)/255
I3=im2bw(imgray,double(s)/255);   
subplot(2,3,5);imshow(I3);title(['KAPUR 阈值：',num2str(s)]);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Image thresholding using Tsallis entropy
q=0.5;
for T=1:1:b
    sumA=0.0;sumB=0.0;
      for i=1:1:T
       sumA=sumA+(p(i)/ps(T))^q;
      end
        for j=T+1:1:b
        sumB=sumB+(p(j)/(1-ps(T)))^q;
        end
    c(T)=sumA;
    d(T)=sumB;
end
L=min(find(d==0));%剔除d=0的奇点
c=c(1:L-1);
d=d(1:L-1);
 g=[c',d'];
    Sqa=(1-c)./(q-1);
    Sqb=(1-d)./(q-1);
    g=[Sqa',Sqb'];
    ST=Sqa+Sqb+(1-q).*Sqa.*Sqb;%Tsallis entropy定义式
    t=mean(find(ST==max(ST))+a-2);
disp(strcat('Tsallis entropy计算灰度阈值：',num2str(t)));
thresh3=double(t)/255
I3=im2bw(imgray,thresh3);   
subplot(2,3,6);imshow(I3);title(['Tsallis 阈值：',num2str(t)]);
%*****************************************
figure(2)                            %%%*************不同q值下的情况*******
%*****************************************

% disp(strcat('***************apply on star.jpg'));
% I=imread('whiteRose.jpg');
%  I=imread('ROSE2.jpg');
% I=imread('ndmz.png');
% I=imread('star.jpg');
% I=imread('inftest.jpg');
% I=imread('kejian.jpg');
I=imread('fengz.jpg');
% I=imread('cell.jpg');
%  I=imread('xingzuo.jpg');
imgray=rgb2gray(I);%灰度转化
thresh=graythresh(imgray);%求阈值
I2=im2bw(imgray,thresh);%二值图转化
subplot(2,3,1)
imshow(I);title('原图');
subplot(2,3,2)
imshow(imgray);title('灰度图');
subplot(2,3,3)
imhist(imgray);title('灰度直方图');
subplot(2,3,4)
omega=num2str(uint8(round(thresh*255)));
imshow(I2);title(['OTSU 阈值：',omega]);
disp(strcat('OTSU 计算灰度阈值：',num2str(uint8(round(thresh*255)))));
thresh1=thresh
[m,n]=size(imgray);
N=m*n ; %灰度值的总数
%****************************************
%KAPUR_entroy最大熵值法求阈值 figure(2)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
[count,x]=imhist(imgray,256);
A=[x,count];
p=count/N;%求每个灰度值出现的概率
%用'1985-histo'文献里提到的新算法计算阈值
a=min(find(p~=0.0));
P=p(p~=0);%提取不为零的项
p=p(a:256);
b=length(p);
ps=cumsum(p);%概率1-T求和
PS=cumsum(P);
Hs=-cumsum(P.*log(P));
HA=log(PS)+Hs./PS;
HB=log(1-PS)+(Hs(end)-Hs)./(1-PS);
L2=length(HA);%剔除1-PS为零的奇点
HA=HA(1:(L2)-1);
HB=HB(1:(L2)-1);
Ts=HA+HB;
s=mean(find(Ts==max(Ts))+a-2);
disp(strcat('KAPUR_entroy计算灰度阈值：',num2str(s)));
thresh2=double(s)/255
I3=im2bw(imgray,double(s)/255);   
subplot(2,3,5);imshow(I3);title(['KAPUR 阈值：',num2str(s)]);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Image thresholding using Tsallis entropy ****figure(2)
q=[0.1,0.5,1,1.5,2];
for n=1:1:5
    if q(n)~=1%计算q/=1时候的情况Tsallis entropy
for T=1:1:b
    sumA=0.0;sumB=0.0;
    for i=1:1:T 
        sumA=sumA+(p(i)/ps(T))^q(n);
    end
    for j=T+1:1:b
        sumB=sumB+(p(j)/(1-ps(T)))^q(n);
    end
   
    c(T)=sumA;
    d(T)=sumB;
end
L=min(find(d==0));%处理d=0的奇点
c=c(1:L-1);
d=d(1:L-1);
 f=[c',d'];
    Sqa=(1-c)./(q(n)-1);
    Sqb=(1-d)./(q(n)-1);
    h=[Sqa',Sqb'];
    ST=Sqa+Sqb+(1-q(n)).*Sqa.*Sqb;
    ss=[f,h,ST'];
    find(ST==max(ST));
    t(n)=mean(find(ST==max(ST))+a-2);
    else

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
  
45
  
46
  
47
  
48
  
49
  
50
  
51
  
52
  
53
  
54
  
55
  
56
  
57
  
58
  
59
  
60
  
61
  
62
  
63
  
64
  
65
  
66
  
67
  
68
  
69
  
70
  
71
  
72
  
73
  
74
  
75
  
76
  
77
  
78
  
79
  
80
  
81
  
82
  
83
  
84
  
85
  
86
  
87
  
88
  
89
  
90
  
91
  
92
  
93
  
94
  
95
  
96
  
97
  
98
  
99
  
100
  
101
  
102
  
103
  
104
  
105
  
106
  
107
  
108
  
109
  
110
  
111
  
112
  
113
  
114
  
115
  
116
  
117
  
118
  
119
  
120
  
121
  
122
  
123
  
124
  
125
  
126
  
127
  
128
  
129
  
130
  
131
  
132
  
133
  
134
  
135
  
136
  
137
  
138
  
139
  
140
  
141
  
142
  
143
  
144
  
145
  
146
  
147
  
148
  
149
  
150
  
151
  
152
  
153
  
154
  
155
  
156
  
157
  
158
  
159
  
160
  
161
  
162
  
163
  
164
  
165
  
166
  
167
  
168
  
169
 

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.
[5]赵勇,方宗德,庞辉,王侃伟.基于量子粒子群优化算法的最小交叉熵多阈值图像分割[J].计算机应用研究. 2008,(04)

文章来源: qq912100926.blog.csdn.net，作者：海神之光，版权归原作者所有，如需转载，请联系作者。

原文链接：qq912100926.blog.csdn.net/article/details/115466688