㈠ MATLAB--數字圖像處理 Otsu演算法（雙閾值）
在數字圖像處理中，Otsu演算法是一種著名的雙閾值分割技術。它的核心思想是通過優化灰度級像素的統計特性來找到最佳的兩個閾值，從而實現圖像的二值化。具體步驟如下：
首先，演算法通過計算每個像素灰度值與其均值u的方差，構建一個關於灰度級的累計分布函數（CDF），並定義一個函數g，其中w0、w1和w2分別對應不同灰度級的概率權重，(u0-u)^2、(u1-u)^2和(w2-u)^2分別代表每個灰度級與均值的方差。目標是找到兩個閾值u0和u1，使得g的值最大，這樣可以確保分割後的圖像具有最佳的類間方差和類內方差。
接著，通過求導並令其等於零，可以找到兩個局部最優的閾值。這些閾值將圖像像素劃分為兩個類別，通常一個類別代表前景，另一個代表背景。
一旦閾值確定，就可以使用它們將圖像分割成兩個部分。這個過程通常在主函數中調用，調用時傳入計算出的閾值，圖像數據和可能的額外參數。
總的來說，Otsu演算法是一種簡單而有效的圖像二值化方法，它在不需要預先設定閾值的情況下，自動找到最佳的分割點，從而提高圖像處理的精度。
㈡ MATLAB--數字圖像處理擊中擊不中變換
原理：
擊中擊不中變換（HMT）涉及兩個結構元素B1和B2，它們組合成一個結構元素對B=(B1,B2)。其中一個結構元素用於探測圖像內部，作為擊中部分；另一個用於探測圖像外部，作為擊不中部分。顯然，B1和B2不應相交，即B1∩B2=Φ。該變換的數學表達式為：
g(x, y)=hitmiss[f(x, y), B]=erode[f(x, y), B1]AND erode[~f(x, y), B2]
其中，~f(x, y)表示f(x, y)的補集。
作用：
擊中擊不中變換旨在A圖像上尋找與B圖像一致的區域。例如，拿著B圖片的一部分，在A圖像上找到這張圖片的位置。
演算法步驟：
舉例分析：
在A圖中尋找與B圖所示圖像目標位置一致的區域。
步驟：
1. 確定結構元素：選擇與B圖形狀一致的H。再選一個小窗口W，W包含H，M＝W－H。
2. 求H對A的腐蝕結果。
3. 求M對A補集的腐蝕。
4. 取兩張腐蝕圖片的交集。
MATLAB實戰：
結果圖：
1. 原圖
2. H對A腐蝕後
3. M對A補集腐蝕後
4. 兩張腐蝕圖求交集後
圖中左上角的紅點即為B在A中的位置。
總結：
通過擊中擊不中變換，我們可以准確地在A圖像中定位與B圖像形狀一致的區域。