阈值分割是图像分割中广泛采用的一种简单有效的方法。将群智能中的人工鱼群算法应用到阈值分割算法中, 提出了二维Otsu阈值分割的人工鱼群算法。通过大量实验表明, 该算法能够准确的找到最佳阈值。同时将基于人工鱼群算法的二维Otsu 算法与基于基本遗传算法及最优保存策略遗传算法的二维Otsu 算法进行比较, 分别独立运行10次, 对10次得到的阈值以及均值、方差进行了比较, 并将收敛曲线作为算法复杂度的评价指标。统计结果显示, 该算法不仅能够对图像进行更准确的分割, 而且收敛的速度更快。

otsu 图像二值化 全局阈值法 c++实现

OTSU 大津算法的C++代码，是最为经典的二值化方法。有广发的应用性。

OTSU分割的MATLAB原始代码，有注解，相互交流学习

MATLAB图像处理，使用OTSU 算法以及自编程实现图像分割。 1、调入并显示原始图像； 2、利用自编程序实现阈值分割，显示分割后的图像，并返回分割阈值； 3、调用系统函数实现OTSU阈值分割，显示分割后的图像，并返回分割阈值； 4、利用原图的灰度直方图人工定义阈值，实现全阈值分割，显示分割后的图像5、在同一图像框下输出全部结果并进行讨论。

要在图像上应用所有方法，只需运行“original.m”。 ps更改图像的图像名称

使用大津算法来获取最佳阈值来实现二值化后，通过按行两次扫描法进行连通区域标记。

基于opencv2.2的大津法分割，大津法是一种自适应的阈值分割方法，应用较广，按灰度特性，将图像分为背景和目标两部分，是二值化的图像。opencv不同版本可以自行更改项目配置。

Otsu双阈值分割。将图像分为三层，在根据Middle与top的关系进行二值化

myeclipse 项目，有自己事先的Otsu算法和开闭操作代码