A. 圖像的二值化處理的閾值是指什麼求vc下的代碼實現！

圖像的二值化處理，是將256位的灰度圖、或RGB的彩色圖像轉換成2位的黑白圖像的過程。
在這個過程中，256位的灰度圖，共有256級，變成黑白圖像後，只有2級，這個需要定義一個值，以此值為界限，大於這個值就為白，小於這個值為黑，這個定義的值，就是閾值。處理時，閾值通常只有一個，但是也可以有兩個，即只需要中間一段的灰度圖像，如100~200的是白，其它的0~99和201~255都是黑。
彩色圖像也是類似的道理，其可以根據RGB值（或HSI等顏色模型）各個分量進行閾值處理，得到黑白圖像。

B. 有償急求一個MATLAB圖像局部閾值處理的代碼

工具箱估計是沒有的~如果你是多邊形的話應該還是比較好做。曲邊可能就麻煩了~

C. matlab閾值迭代法處理圖像代碼正確為什麼出不來

使用erase函數的時候要特別小心，使用方法應該如下：k= sc.erase(k);
因為按照你的代碼的意思，刪除之後，迭代器指向刪除元素的後一元素，
但是erase函數裡面並沒有完成後移的工作，而是用了返回下一元素迭代器的方式。
另外要注意不是每個路徑都k++，只有不刪除的時候才要k++，加個else，把k++放裡面。
如有其它問題，可以繼續追問。您的點贊是我前進的動力！

D. 怎樣理解變換編碼中的閾值編碼

.com/kekewutao/blog/item/0bafc700d2849011728b65fd.html" target="_blank">http://hi..com/kekewutao/blog/item/0bafc700d2849011728b65fd.html

使用MATLAB設計小波變換程序中的若干問題3[轉貼]
使用MATLAB設計小波變換程序中的若干問題仍需探討的問題：為什麼使用PNG存儲經小波變換後的重構圖像變大？ 我曾在清華大學的多媒體課程的教師答疑中寫了「老師：尊重事實:DB9閾值10的PNG文件就是比原文件大」和「續一：尊重事實:DB9閾值10的PNG文件就是比原文件大」，在林老師的鼓勵和指導下，我進行了繼續試驗、分析，與劉趙璧（Anna）同學進行了探討，並得到了Lily（姓名還不知道）同學的幫助，同時同學們也做了各自不同的實驗，現在的實驗結果可以說基本上比較明確，那就是有些圖像就是會變大，這與圖像的種類、紋理等密切相關。林老師曾經鼓勵我去研究一下PNG的壓縮方法，無奈我資質不夠，至今在這方面的進展不大。由於臨近期末考試，作業也要抓緊，所以我暫且將沒有搞明白的內容擱置，待寒假期間再進行，希望對這些問題有各種看法也有興趣研究的同學對此發表意見。以下是我最近試驗、分析和閱讀到的一些相關信息。試驗結果 我首先根據老師第三章的Haar矩陣演算法推演出DB9的系數矩陣，並實現了分解重構及閾值處理程序，對幾種照片進行了比較，然後使用3.1節的simplecmp進行了相同照片的實驗，結果相當一致。細小差別是因為我的程序對邊界的擴展與MATLAB不一樣，在設置閾值後引起了邊界上小部分不一致造成的。表一：真彩色圖像百合花的處理結果閾值 Png
Haar(Mat/Mine) 0數
Haat
(Mat/Mine) PNG
Db9
(MAT / Mine) 0數
Db9
(MAT / Mine)
95973 / 95973
0 95973 / 95973 27524 / 24268 95973 / 95973 27 / 9
5 74552 / 74292 135838 / 136063 101882 / 101992 167412 /165662
10 51976 / 51504 163423 / 163741 98411 / 98861 199200 / 195730
20 32474 / 32346 180167 / 180267 92295 / 93660 220629 / 217214
從對比表中我們能夠看到2個程序的結果相當一致，因此，我不再給出兩種程序的對比，而是使用simplecmp直接處理的結果說明。 將百合花圖像使用[I,map]=rgb2ind(x,255);轉換成為彩色圖像處理，在將偽彩色圖像轉換為連續變換的灰度圖像（如2.4常見問題中討論的方法）進行處理：表二：百合花的偽彩色圖像和處理後的灰度（gray）圖像的處理結果閾值 Png
Haar(Index/Gray) 0數
Haar(Index/Gray) PN
Db9(Index/Gray) 0數
Db9
(Index/Gray)
48535 / 43235
0 48535 / 43235 6096/ 7430 48535/ 43235 18 / 22
5 53207 / 36450 9473/ 43626 60362 / 49927 7009 / 52852
10 58025 / 23602 13362/ 54344 64916 / 47813 13202 / 65881
20 60193/ 14347 21948 / 60039 66020/ 46014 24468 / 73494
其他偽彩色與進行加工的灰度圖的結果與此完全一致，這也就說明了如果偽彩色文件的色板不是單調性遞增就不適合小波分解。「The color bar to the right of the image is not smooth and does not monotonically progress from dark to light. This type of indexed image is not suitable for direct wavelet decomposition with the toolbox and needs to be preprocessed.」。我對 Facets進行同樣的實驗，結果與此一致。這種處理的結果可以從圖像象素值的連續性來理解。這是處理與不處理的圖像的中間一行的數據圖。另外，不連續的圖像質量在壓縮後會被極大地破壞圖2偽彩色文件變化前後的第128行數據的連續性情況對比分析 多種試驗圖片基本能夠反映類似的結果，雖然Indexed Color image有時令Haar小波的分解重構圖像出現增大現象，單經過處理之後，這種現象就會消失。然而對於DB9可以看到無論真彩色還是處理後的灰度圖像都在閾值5 10處超過原始圖像的大小，能不能因此得出DB9不適合進行圖像壓縮的結論呢？有一些同學確實這樣認為，但我認為這種觀點因為忽略了如何利用小波進行壓縮和還原的過程，這也正是第四章老師為我們講述的那些編碼演算法而造成的。在推薦材料[1]中也有類似的說明。圖3、JPEG2000的基本結構看一下上圖就可以明白為什麼PNG不能衡量小波壓縮的效率問題。上圖的圖像原始數據首先經過正變換（Forward Transform）就是小波變換的得到小波系數，變換的小波系數經過閾值處理後進行量化，編碼後得到壓縮的圖像文件JPEG2000，如果你沒有JPEG2000的顯示程序，那麼你就不能看到它。它的顯示程序就是由解碼器從壓縮數據中解出編碼，進行反量化，得到小波系數，再實施逆變換（Inverse Transform）就是小波系數重構。最終得到圖像的原始數據。因此衡量小波變換的效率是應該看你選擇的小波能不能分解出適合「編碼器」壓縮的小波系數，這種編碼器不是PNG的LZ77，因為LZ77壓縮小波分解系數的效率不是最好的。這種高效編碼器在第四章可以找到。那麼我們存儲 PNG文件的目的是什麼呢？我認為壓縮與去噪(de-noising)是同一種方法的兩種提法。他們都使用了設置閾值的方法。我們可以仔細分析經過重構的PNG圖片的質量來體會這種消除噪音的效果，也可以評定小波壓縮後的圖片的視覺質量，同時PNG的文件大小也可以讓我們從LZ77演算法的本質來理解小波變換壓縮後的重構圖像的內容變化情況。比如，我們可以從表2中的灰度圖像在haar變換取閾值20時出現塊狀象素，文件大小變為14347，而db9卻為46014，超過原始的PNG大小，但並不出現塊狀而是具有波狀的特徵。這本身說明了採用Harr小波壓縮或去噪後重構的圖像中相同的『串』增多，便於PNG方式壓縮，而db9則在相同閾值的情況下不會象Haar那樣製造『馬賽克』，說明了它的平滑性，這也能幫助我們理解小波的特性。當然，當閾值繼續增加後，超過某一界限，即使DB9也仍然會使PNG文件大小減小。這本身也就是由雙尺度（Dyadic）小波變換的兩種濾波器決定的。低通濾波結果相當於平均值，高通濾波結果相當於差值，差值能夠保證重構圖像的細節部分丟失最小，如果差值部分被閾值略去的過多，細節就會越來越少，平均意義的值約來越多，直到多到某一個臨界值時（該圖像的閾值取到40），重構的圖像也可能出現較多的相同數字串，這就會提高PNG的壓縮結果。下圖是我對Haar（藍色）小波取閾值為20，db9（紅色）小波閾值取40時第128行1：32列的數據曲線與原始數據（黑色）曲線的對比。可以看出也db9在閾值=40時出現了較多的平均值，但比haar在閾值=20時的曲線要少的多。圖4、haar（藍色）和db9（紅色）壓縮後重構圖像的第128行，1：32列的數據曲線不過，MATLAB給我們提供了量化的方法來決定如何選取閾值。在HELP Wavelet Toolbox : Advance Concepts: Choosing the Optimal Decomposition中提到了幾種利用「熵」的概念來衡量如何選取合適的分解級。感興趣的同學還可以參看wentropy, wdcbm2, wpdec的幫助。文獻[1]中也提到了衡量壓縮質量的客觀化方法MSE,PNSR並指出小波的重構濾波器的長度越長，形狀越規則越能夠提供良好的壓縮性能。 上面對PNG的討論因為沒有足夠的演算法分析和程序解讀，同時也沒有準確的試驗數據，因此只能作為猜測。但衡量小波壓縮效率的方法我堅持認為不能以PNG文件大小來解說，如果採用圖像文件大小來衡量，應該以JPEG2000來衡量。

E. 添加閾值鑒權規則，判斷是否為空，代碼如何寫啊

添加閾值規則
打開一個負載測試。
在負載測試編輯器中展開「計數器集」節點。
在其中一個計數器集中展開一種「計數器類別」。 例如，可以選擇「LoadTest:Scenario」。 展開該節點。
右擊其中一個計數器，例如「LoadTest:Scenario」下的「用戶負載」。 選擇「添加閾值規則」。
將出現「添加閾值規則」對話框。
可以從兩類規則中進行選擇：「比較常數」規則和「比較計數器」規則。 選擇適當的類型並對值進行設置。
望點贊，謝謝！

F. 閾值分割的演算法或源代碼

http://www.tianyablog.com/blogger/post_show.asp?BlogID=282197&PostID=3491592&idWriter=0&Key=0

G. 請寫一C代碼片段,實現一幅灰度圖像的闕值化處理

闕值化處理比較好辦

voidshreshold(unsignedcharA[128][128],unsignedchar*B[128],intsh)
{
//A為輸入，B為輸出，sh為閾值
inti,j;
for(i=0;i<128;i++)
for(j=0;j<128;j++)
{
if(A[i][j]>sh)
B[i][j]=220;
else
B[i][j]=10;
}
return;
}

該灰度線性變換的變換曲線 能否給個定義？B/A ？

H. 跪求MATLAB小波軟硬閾值圖象去噪的代碼

%設置信噪比和隨機種子值
snr=4;
init=2055615866;
%產生原始信號sref和高斯白雜訊污染的信號s
[sref,s]=wnoise(1,11,snr,init);
%用db1小波對原始信號進行3層分解並提取系數
[c,l]=wavedec(s,3,'db1');
a3=appcoef(c,l,'db1',3);
d3=detcoef(c,l,3);
d2=detcoef(c,l,2);
d1=detcoef(c,l,1);
thr=1;
%進行硬閾值處理
ythard1=wthresh(d1,'h',thr);
ythard2=wthresh(d2,'h',thr);
ythard3=wthresh(d3,'h',thr);
c2=[a3 ythard3 ythard2 ythard1];
s3=waverec(c2,l,'db1');
%進行軟閾值處理
ytsoftd1=wthresh(d1,'s',thr);
ytsoftd2=wthresh(d2,'s',thr);
ytsoftd3=wthresh(d3,'s',thr);
c3=[a3 ytsoftd3 ytsoftd2 ytsoftd1];
s4=waverec(c3,l,'db1');
%對上述信號進行圖示
subplot(5,1,1);plot(sref);title('參考信號');
subplot(5,1,2);plot(s);title('染噪信號');
subplot(5,1,3);plot(s3);title('硬閾值處理');
subplot(5,1,4);plot(s4);title('軟閾值處理');

I. MATLAB閾值去噪代碼問題

for 循環寫錯了 ij 寫成mn了