㈠ MATLAB--数字图像处理 Otsu算法（双阈值）
在数字图像处理中，Otsu算法是一种着名的双阈值分割技术。它的核心思想是通过优化灰度级像素的统计特性来找到最佳的两个阈值，从而实现图像的二值化。具体步骤如下：
首先，算法通过计算每个像素灰度值与其均值u的方差，构建一个关于灰度级的累计分布函数（CDF），并定义一个函数g，其中w0、w1和w2分别对应不同灰度级的概率权重，(u0-u)^2、(u1-u)^2和(w2-u)^2分别代表每个灰度级与均值的方差。目标是找到两个阈值u0和u1，使得g的值最大，这样可以确保分割后的图像具有最佳的类间方差和类内方差。
接着，通过求导并令其等于零，可以找到两个局部最优的阈值。这些阈值将图像像素划分为两个类别，通常一个类别代表前景，另一个代表背景。
一旦阈值确定，就可以使用它们将图像分割成两个部分。这个过程通常在主函数中调用，调用时传入计算出的阈值，图像数据和可能的额外参数。
总的来说，Otsu算法是一种简单而有效的图像二值化方法，它在不需要预先设定阈值的情况下，自动找到最佳的分割点，从而提高图像处理的精度。
㈡ MATLAB--数字图像处理击中击不中变换
原理：
击中击不中变换（HMT）涉及两个结构元素B1和B2，它们组合成一个结构元素对B=(B1,B2)。其中一个结构元素用于探测图像内部，作为击中部分；另一个用于探测图像外部，作为击不中部分。显然，B1和B2不应相交，即B1∩B2=Φ。该变换的数学表达式为：
g(x, y)=hitmiss[f(x, y), B]=erode[f(x, y), B1]AND erode[~f(x, y), B2]
其中，~f(x, y)表示f(x, y)的补集。
作用：
击中击不中变换旨在A图像上寻找与B图像一致的区域。例如，拿着B图片的一部分，在A图像上找到这张图片的位置。
算法步骤：
举例分析：
在A图中寻找与B图所示图像目标位置一致的区域。
步骤：
1. 确定结构元素：选择与B图形状一致的H。再选一个小窗口W，W包含H，M＝W－H。
2. 求H对A的腐蚀结果。
3. 求M对A补集的腐蚀。
4. 取两张腐蚀图片的交集。
MATLAB实战：
结果图：
1. 原图
2. H对A腐蚀后
3. M对A补集腐蚀后
4. 两张腐蚀图求交集后
图中左上角的红点即为B在A中的位置。
总结：
通过击中击不中变换，我们可以准确地在A图像中定位与B图像形状一致的区域。