使用拐点作为分割阈值

Question

下面this tutorial关于图像处理，我觉得导师的目标是达到传统的阈值分割以分离图像的背景和前景，通过将多项式曲线拟合到图像的强度分布和在曲线中找到一个拐点用作阈值。

代码如下：

img = imread('rice.tif');
degree = 6;

%fitting intensity distribution
[frequency, intensity] = imhist(img);
[polynome, ~, mu] = polyfit(intensity, frequency, degree);
eval_fit = polyval(polynome, intensity, [], mu);

但是，在下一个代码块中：

%locate inflection point
[values, indices] = sort(abs(diff(eval_fit)));
[m, i] = min(diff(values))

thresh = indices(i)/255;
img_seg = imbinarize(img, thresh);

特别是前两行，我不明白，为什么要使用abs，sort如果你要第二次推导？

其次，我在Google上搜索，没有找到类似的方法，所以想问一下这个方法好不好？你遇到过吗？

Answer 1

我以前没看过这个。

我无法理解这个方法。它不是在寻找多项式拟合的拐点。我认为它正在寻找导数最频繁的点。排序的导数值的导数的最小值是至少出现两次的导数值（排序是这样的，它的导数总是non-negative）。这个点是什么意思我不知道。它可能是多项式拟合的最大值或最小值之一？

视频中的人声称这是他们的方法，也就是说他们发明了它。不过，他们的 Google Scholar page 似乎没有列出有关此方法的论文。

无论如何，由于视频中的人声称他们的方法产生与 Otsu 相似的结果，所以我认为在 Otsu 如此简单和成熟的情况下使用未经证实的方法没有意义。

我还建议您从一本好书中学习图像处理，而不是 YouTube 上的随机教程。 YouTube 上有很多垃圾内容，通常很难区分好坏。生产价值不一定与正确性相关。

使用拐点作为分割阈值

Using inflection point as threshold for segmentation

matlab

image-processing

image-segmentation