matlab中如何用大津法找出图片合适的阈值？ I=imread('coins.png')；level=graythresh(I)；matlab 自带的自动确定阈值的方法，大津法，类间方差BW=im2bw(I，level)；用得到的阈值直接对图像进行二值化imshow(BW)要大津法的源代码的话，在matlab command window 里输入open graythresh，该函数就是大津法的源代码。
如何对图像进行阈值处理？ 你是用什么软件对图像进行阈值处理？如抄果你用的是MATLAB，则可以先百把真彩图转化成灰度图，再用graythresh得到大津法的阈值，最度后将此阈值代入二值分割。例子如下：I=imread（'真彩图')；读取真问彩图（原图）J=rgb2gray(I)；将原图转化成灰度图level=graythresh(J)；计算阈值BW=im2bw(J，level)；代入阈值进行二值答分割
图像分割：Otsu大津算法阈值选择，绪：大津法OTSU是一种确定图像分割阈值的算法，由日本学者大津于1979年提出原理上来讲，该方法又称作最大类间方差法，有时也称之为大津。
请问大津法（outs）和迭代阈值法是一种方法吗？如果不是，有什么区别呢？ 不是一种，迭代求图像最佳分割阈值在运算 过程中要对整幅图片进行计算来获得阈值，这个阈值不是很准确；最大类间方差法由大津于 1979 年提出，该算法恰恰弥补了迭代法求阈值的这一弱点，最大类间方差法是基于整幅图像的统计特性，实现与阈值的自动选取。当被分割的两类类间方差最大时，此灰度值就作为图像二值化处理的阈值。大津定律应用广泛，在很多领域都得到了应用和发展。
Matlab图像处理问题---大津法。 转载：function y1=OTSU(image，th_set)a2=imread('color1.bmp')；gray=rgb2gray(image)；原图像的灰度图low_high=stretchlim(gray)；增强图像，似乎也不是一定需要gray=imadjust(gray，low_high，[])；subplot(224)；imshow(gray)；title('after adjust')；count=imhist(gray)；[r，t]=size(gray)；n=r*t；l=256；count=count/n；各级灰度出现的概率for i=2：lif count(i)~=0st=i-1；breakendend以上循环语句实现寻找出现概率不为0的最小灰度值for i=l：-1：1if count(i)~=0；nd=i-1；breakendend实现找出出现概率不为0的最大灰度值f=count(st+1：nd+1)；p=st；q=nd-st；p和分别是灰度的起始和结束值u=0；for i=1：q；u=u+f(i)*(p+i-1)；ua(i)=u；end计算图像的平均灰度值for i=1：q；w(i)=sum(f(1：i))；end计算出选择不同k的时候，A区域的概率d=(u*w-ua).^2./(w.*(1-w))；求出不同k值时类间方差[y，tp]=max(d)；求出最大方差对应的灰度级th=tp+p；if thth=tp+p；elseth=th_set；根据具体情况适当修正门限endy1=zeros(r，t)；for i=1：rfor j=1：tx1(i，j)=double(gray(i，j))；endendfor i=1：rfor j=1：tif(x1(i，j)>；th)y1(i，j)=x1(i，j)；elsey1(i，j)=0；endendend上面一段代码。
阈值的判定方法有哪些，图像处理方面的 阈值选择 的恰当与否对分割的效果起着决定性的作用。图像的分割方法主要包括幅度分割方法、最小错误分割法、迭代法求图像最佳分割阈值法、最大类间方差 法（大津算法）等一系列方法。具体算法你可以再详细查
什么是类间方差？请详细说一说 对于图像I(x，y)，前景(即目标)和背景的分割阈值记作T，属于前景的像素点数占整幅图像的比例记为ω0，其平均灰度μ0；背景像素点数占整幅图像的比例为ω1，其平均灰度为μ1。图像的总平均灰度记为μ，类间方差记为g。假设图像的背景较暗，并且图像的大小为M×N，图像中像素的灰度值小于阈值T的像素个数记作N0，像素灰度大于阈值T的像素个数记作N1，则有：ω0=N0/M×N(1)ω1=N1/M×N(2)N0+N1=M×N(3)ω0+ω1=1(4)μ=ω0*μ0+ω1*μ1(5)g=ω0(μ0-μ)^2+ω1(μ1-μ)^2(6)将式(5)代入式(6)，得到等价公式：g=ω0ω1(μ0-μ1)^2(7)
