matlab练习程序(Renyi熵)

matlab练习程序（Renyi熵）

Renyi熵是对通常的⾹农熵的扩展，算是q阶⼴义熵。公式如下：

其中P和⾹农熵公式中的P⼀样，是概率。当q=1时公式退化为⾹农熵公式。（如何证明？）

变量泵>治理与善治有⽤此公式寻图像最佳⼆值化阈值的。

⾸先定义前景区域A，背景区域B。

那么前景与背景区域像素相应的Renyi熵就如下定义：

其中k是当前取的灰度级，P(A)是像素在A区域的概率，P(B)类似。当然，这⾥说区域，不是指空间区域，是像素灰度级区域。最后图像Renyi熵求最佳阈值定义如下：

分片阈值这⾥得到的K就是分割阈值。

分割效果如下：

原图：

分割后：

在编程时还需要确定阶数q，我取的是2。

matlab代码如下：

clear all;

close all;

eisclc;

img=imread('lena.jpg');

[m n]=size(img);

imshow(img)

Hist=imhist(img);

q=2;

H=[];

for k=2:256

PA=sum(Hist(1:k-1));

PB=sum(Hist(k:255));

Pa=Hist(1:k-1)/PA;

Pb=Hist(k:256)/PB;

HA=(1/1-q)*log(sum(Pa.^q));

HB=(1/1-q)*log(sum(Pb.^q));

H=[H HA+HB];

end

[junk level]=max(H);

济南丝足

数据组织imgn=im2bw(mat2gray(img),level/256);

figure;

imshow(imgn)

本文发布于:2024-09-21 12:29:30，感谢您对本站的认可！

标签：区域公式阈值图像

留言与评论（共有 0 条评论）