阈值分割用VC处理图像，阈值分割后只显示一半的效果，另外一半为原图不变？

阈值分割的概述

图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。

它特别适用于目标和背景占据不同灰度级范围的图像。

它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。

图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。

这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。

基本原理是：通过设定不同的特征阈值，把图像象素点分为若干类。

常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征。

设原始图像为f(x，y)，按照一定的准则f(x，y)中找到特征值T，将图像分割为两个部分，分割后的图像为： 若取：b0=0(黑)，b1=1(白)，即为我们通常所说的图像二值化。

Matlab中Ostu算法自动阈值分割具体怎么操作

function threshold=ostu(filename); x=imread(ff); %figure; %imshow(x); [m,n]=size(x); N=m*n; num=zeros(1,256); p=zeros(1,256); for i=1:m for j=1:n num(x(i,j)+1)=num(x(i,j)+1)+1; end end for i=0:255; p(i+1)=num(i+1)/N; end totalmean=0; for i=0:255; totalmean=totalmean+i*p(i+1); end maxvar=0; for k=0:255 kk=k+1; zerosth=sum(p(1:kk)); firsth=0; for h=0:k firsth=firsth+h*p(h+1); end var=totalmean*zerosth-firsth; var=var*var; var=var/(zerosth*(1-zerosth)+0.01); var=sqrt(var); if(var>maxvar) maxvar=var; point=k; end end threshold=point; for i=0:255; p(i+1)=num(i+1)/N; end totalmean=0; for i=0:255; totalmean=totalmean+i*p(i+1); end maxvar=0; for k=0:255 kk=k+1; zerosth=sum(p(1:kk));

用VC处理图像，阈值分割后只显示一半的效果，另外一半为原图不变？

问题应该出在统计对每个像素进行二值化的for循环中； 针对你问题可能出错的地方有两个: 1.宽或者高取错了 2.注意BMP格式的图片一行的存储宽度必须为4的倍数;比如图片宽为11像素;则实际存储的时候每行为12像素;相应的取某个像素的时候其位置应该是i*12+j；i为该像素的行号j为列号。