图像阈值分割Matlab版

图像阈值分割是一个非常简单的算法。
对图像像素点，大于阈值，则认为是目标；小于阈值，则认为是背景。

而现在遇到的阈值分割却需要完成如下的多个功能：
1、基本的阈值分割：
    大于阈值，则认为是目标；小于，则认为是背景
2、像素值较低才被认为是目标，即要把不等号反向
    对图像像素点，小于阈值，认为是目标；大于阈值，则认为是背景。
3、可能进行阈值分割的图像只是标记图像
     对标记图像进行分割后，需要在原始的图像上对分割的目标区域进行展示
     这就需要输入原始图像
     原始图像可能是灰度图像，也有可能是彩色图像
4、多个阈值进行分割
      输出每个阈值进行分割的结果
    
花费了两个小时，完成了单阈值分割完成了功能1、2、3；本来将功能4也整合进来了，但感觉如此一来，代码太过费解，并且有一定的代码冗余，因此将其分离成一个单独的函数，通过调用单阈值分割实现。

功能 2 的实现： 增加一个偏置 标记 bias
                             若为1，则表示正常情况，大于阈值，则认为是目标
                             为-1时，则反之。
                             进行比较时用：bias*image>bias*thresh 对两种情况通用

% 对标记图像进行阈值分割
%
% 标记图像里像素值大于Thresh，则认为时病斑，否则认为是非病斑
% 
% 输入：
% image     进行阈值分割的图像
% thresh     分割的阈值
% bias        分割的偏置，默认为1
%                bias=+1  大于阈值为1，小于阈值为0
%                bias=-1  大于阈值为0，小于阈值为1
% bgImage   背景图像，image上标识为目标的区域被保留，而标识为背景的则删除
%                  默认为进行阈值分割的图像，即image
% 
% 输出：
% labBinaryImage 标识病斑图像、二值图像
% labSrcImage    在背景图像上作标记，标识病斑区域
% 
% [labBinaryImage,labSrcImage]=ThreshSegement(image,thresh);
% [labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,bias);
% [labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,bias,bgimage);
% 
% 2007-11-08  
% 
function [labBinaryImage,labSrcImage]=ThreshSegement(image,thresh,varargin)
iptchecknargin(2,4,nargin,mfilename);  % 检测输入参数数量
iptcheckinput(image,{'numeric'},{'2d','real','nonsparse'}, mfilename,'image',1);
iptcheckinput(thresh,{'numeric'},{'row','nonempty','real'},mfilename, 'thresh',2);
thresh=thresh(1);    % 只取第一个阈值
bias=1;                      % 偏置，默认为1
if(nargin>2)               % 指定偏置
    bias=varargin{1};  
end
if(bias~=1)                  % 偏置只允许取值1和-1
    bias=-1;
end
image=double(image); % 类型转换 
iptcheckinput(bias,{'numeric'},{'row','nonempty','integer'},mfilename, 'bias',3);


if(nargin>3)        % 显示的背景图像
    bgImage=varargin{2};
    if( (size(bgImage,1)~=size(image,1))||(size(bgImage,2)~=size(image,2)) )
        error('背景图像大小需与分割图像完全一致。');
    end
else
    bgImage=image;      % 默认为进行阈值分割的图像image
end
iptcheckinput(bgImage,{'numeric'},{'real','nonsparse'}, mfilename,'bgImage',4);


% 阈值分割，生成两幅标记图像
labBinaryImage=zeros(size(image));  % 在二值图像上标识病斑区域

labBinaryImage(find(bias*image>=bias*thresh))=1;


if ( nargout>1 )                              % 输出背景图像上标识病斑区域
    for cur=1:size(bgImage,3)      % 对每个平面均进行标记，灰度图像与彩色图像均可
        curLabSrcImage=bgImage(:,:,cur); 
        curLabSrcImage(find(bias*image<bias*thresh))=0;
        labSrcImage(:,:,cur)=curLabSrcImage;
    end
end

 

 
    但也还存在一个问题，就是边界情况。即 bias*image=bias*thresh 的像素点的类别。bias取不同值其归类规则略有差别。比如归类规则：bias*image>bias*thresh，bias=1时表示大于阈值则认为是目标像素；bias=-1则小于等于阈值认为是目标像素。两者差一个等号。不能做到一致。