图像处理中的图像分割，利用matlab编程，采用聚类的方法找到合适的阈值对图像进行分割的方法。

基于经典贝叶斯理论的图像分割，含有MATLAB代码，有训练数据和实验数据，还有相应的PPT详解。 基于经典贝叶斯理论的图像分割，含有MATLAB代码，有训练数据和实验数据，还有相应的PPT详解。

该数据集包含对糖尿病性黄斑水肿的光学相干断层扫描图像进行分割的图像。数据集载自文章：S. J. Chiu, M. J. Allingham, P. S. Mettu, S. W. Cousins, J. A. Izatt, S. Farsiu, "Kernel regression based segmentation of optical coherence tomography images with diabetic macular edema", ( BIOMEDICAL OPTICS EXPRESS), 6(4), pp. 1172-1194, April, 2015 Segmentation of OCT images (DME)_datasets.txt

使用遗传算法对图像按照最大类间方差为适应度值求其阈值，效果稳定，且比大津法要快

基本思想是直接或间接设计一个偏微分方程（组） ，曲线、曲面或图像在这样的方程（带初始条件和边界条件）控制下进行演化，所得到的偏微分方程数值解就是我们希望处理的结果。

全局和局部熵图像分割算法的集成

1 K-means算法 实际上，无论是从算法思想，还是具体实现上，K-means算法是一种很简单的算法。它属于无监督分类，通过按照一定的方式度量样本之间的相似度，通过迭代更新聚类中心，当聚类中心不再移动或移动差值小于阈值时，则就样本分为不同的类别。 1.1 算法思路 随机选取聚类中心 根据当前聚类中心，利用选定的度量方式，分类所有样本点 计算当前每一类的样本点的均值，作为下一次迭代的聚类中心 计算下一次迭代的聚类中心与当前聚类中心的差距 如4中的差距小于给定迭代阈值时，迭代结束。反之，至2继续下一次迭代 1.2 度量方式 根据聚类中心，将所有样本点分为最相似的类别。这需

针对在岩石变形实验的熔融图像处理中，图像的曝光不均、单个像素点灰度值异常和裂痕带来的分割噪声问题，本文提出了一种基于数学形态学中的腐蚀、膨胀方法的自适应阈值分割算法，通过和全局阈值法和局部阈值法的对比实验可以看出，这种方法不仅能够解决全局阈值分割法亮度分布不均的问题，也能解决局部阈值分割法（Bernsen算法）抗噪声性能差的问题，同时运算效率提高38.5倍（和Bernsen算法比较）。

基于阈值的图像分割方法.doc

观察灰度直方图的峰值，使其变成双峰，再进行直方图均衡化，从而实现批量图像分割。