文档介绍：图像分割
迭代法实现图像阈值分割：
实验原理
图像阈值化分割是一种最常用，同时也是最简单的图像分割方法，它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。
迭代法是基于逼近的思想，其步骤如下： 
   (1)求出图象的最大灰度值和最小灰度值，分别记为Zmax和Zmin，令初始阈值T0=(Zmax+Zmin)/2； 
   (2)根据阈值TK将图象分割为前景和背景，分别求出两者的平均灰度值ZO和ZB； 
  (3)求出新阈值TK+1=(ZO+ZB)/2； 
   (4)若TK=TK+1，则所得即为阈值；否则转2，迭代计算。
迭代所得的阈值分割的图象效果良好。基于迭代的阈值能区分出图像的前景和背景的主要区域所在，但在图像的细微处还没有很好的区分度。
经试验比较，对于直方图双峰明显，谷底较深的图像，迭代方法可以较快地获得满意结果。但是对于直方图双峰不明显，或图像目标和背景比例差异悬殊，迭代法所选取的阈值不如最大类间方差法。
二．实验内容
对测试图像进行图像分割，求出分割测试图像的最佳阈值。分别显示原图、原图的直方图（标出阈值）、和分割后的二值图。

图1——测试图像
实验程序
%分割
clear;
I=imread('D:\');
figure(1)
subplot(121);
imshow(I);
title('原图');
[M,N]=size(I);
T=125;%令原图像直方图两峰之间的谷底作为阈值
ok=true;
while ok
F1=I>=T;
F2=I<T;
aveF1=mean(I(F1));
aveF2=mean(I(F2));
newT=*(aveF1+aveF2);
ok=abs(T-newT)>=1;
T=newT;
end
F=255*(I>T)+0*(I<=T);
figure(1)
subplot(122);
imshow(F)
title