一个基于MATLAB环境的图像分割算法，运用最大熵解决图像分割问题。

function th=TsallisGrayEntropy(imag); %参考文献《基于二维灰度熵及混沌粒子群的图像阈值选取》 %实现Tsallis灰度熵的最大化分割方法(此方法与Tsallis熵的区别在于，Tsallis熵只是考虑直方图的概率 %信息而未考虑图像中目标和背景类内灰度级的均匀性) clc; clear; %imag=imread('cameraman.png'); imag=imread('Infrared footman.png'); subplot(132),imshow(imag) imag=imag(:,:,1); subplot(131),imhist(imag) hold on MAX=double(max(imag(:))); MIN=double(min(imag(:))); [m,n]=size(imag); img=double(imag); out_im=zeros(m,n); [counts x]=imhist(imag);%x对应0~255的灰度级，counts对应每个灰度级的频数(即每个灰度级像素的个数) h=counts(:);%频数 %hist=counts'./sum(counts(:));%归一化直方图数据 a=0.8; %产生一个0-1之间的随机数 for i=MIN:MAX if h(i)~=0 st=i-1; break; end end st for i=MAX:-1:MIN if h(i)~=0 nd=i-1; break; end end nd H=[]; for t= st+1:nd-1 u0(t)=0;v0(t)=0; ub(t)=0;vb(t)=0; for i=0:t u0(t)=u0(t)+i*h(i+1); v0(t)=v0(t)+i.^a*h(i+1); end for i=t+1:MAX-1 ub(t)=ub(t)+i*h(i+1); vb(t)=vb(t)+i.^a*h(i+1); end if u0(t)*ub(t)~=0 E=v0(t)*vb(t)./(u0(t).^a*ub(t).^a); else break; end H(t-st+1)=1/(a-1)*(1-E); end position=find(H==max(H)); th=st+position-1 x(t)=th; plot(th,x,'-r*') hold on gtext('th=101','color','r') for i=1:m %用阈值th分割图像 for j=1:n if(img(i,j)>th) out_im(i,j)=255; else out_im(i,j)=0; end end end subplot(133),imshow(out_im),title('Tsallis Gray Entropy Threshold') end