引言

图像分割是将数字图像划分为多个区域（或像素的集合）的过程，这些区域通常对应于真实世界的物体或图像中的特定部分。图像分割的目标是简化或改变图像的表示形式，使得图像更容易理解和分析。图像分割通常用于定位图像中的物体和边界（线，曲线等）。在某些情况下，图像分割还可以用于将图像分割为感兴趣的区域和背景。

思路

全局阈值处理

定义一个变量 deltaT，用于确定阈值收敛的条件。初始化阈值 T 为图像 img1 的平均灰度值。设置一个标志变量 flag 为真，用于控制后续的循环。

在循环中，首先根据当前阈值 T 对图像进行分割，得到一个二值图像 temp。然后计算 temp 中为真和为假的像素在原图 img1 中的平均灰度值 m1 和 m2。接着计算新的阈值 t 为 m1 和 m2 的平均值。如果 T 和 t 的差的绝对值大于等于 deltaT，则继续循环，否则结束循环。在每次循环结束时，将 T 更新为 t。

循环结束后，使用最终的阈值 T 对原图 img1 进行分割，得到最终的二值图像 img2。

应用案例

% 读取图像
img1 = imread("Fig1038(a)(noisy_fingerprint).tif");

% 创建新的图形窗口
figure;

% 在第一个子图中显示原图
subplot(1, 3, 1);
imshow(img1);

% 在第二个子图中显示原图的直方图
subplot(1, 3, 2);
imhist(img1);
 
% 设置阈值变化的最小值
deltaT = 0.5;
% 初始化阈值为图像的平均灰度值
T = mean2(img1);
flag = true;
while flag
    % 根据当前阈值分割图像
    temp = img1 > T;
    % 计算两个区域的平均灰度值
    m1 = mean(img1(temp));
    m2 = mean(img1(~temp));
    % 计算新的阈值
    t = (m1 + m2) * 0.5;
    % 检查阈值是否收敛
    flag = abs(T - t) >= deltaT;
    % 更新阈值
    T = t;
end
% 使用最终阈值分割图像
img2 = img1 > T;

% 在第三个子图中显示分割后的图像
subplot(1, 3, 3);
imshow(img2);