Matlab 图像直方图分析：如何测试潜在的双峰分布？
Matlab Image Histogram Analysis: how do I test for an underlying bimodal distribution?
我正在使用 MATLAB 进行图像处理。我有两个不同的图像，其直方图如下所示。
图片 1：
和
图 2：
我有多个像这样的图像，唯一的区别（分离）特征是有些有单峰，有些有两个峰。
换句话说，有些可以设置阈值（以产生良好的结果），而另一些则不能。有什么办法可以将两张图片分开吗？在 MATLAB 中是否有这样做的函数或任何有用的参考代码？
使用的函数是imhist()
如果您用 "separate" 表示 "distinguish"，那么是的：您描述的 属性 称为 双峰性 ，即您有 2 个峰可以用一个阈值分隔。所以你的问题实际上是 "how do I test for an underlying bimodal distribution?"
以编程方式执行此操作的一个选项是 Binning。这不是最稳健但最简单的方法。它可能有效，也可能无效。
Kernel Smoothing is probably the more robust solution. You basically shift and scale a certain function (e.g. Gaussian) to fit the data. This can be done with histfit 在 matlab 中。
由于您现在知道所需的术语，因此您可以自行研究此问题的更多解决方案。请注意，如果您想正确。
，您的问题并不是一个微不足道的问题
我正在使用 MATLAB 进行图像处理。我有两个不同的图像，其直方图如下所示。
图片 1：
和 图 2：
我有多个像这样的图像，唯一的区别（分离）特征是有些有单峰，有些有两个峰。
换句话说，有些可以设置阈值（以产生良好的结果），而另一些则不能。有什么办法可以将两张图片分开吗？在 MATLAB 中是否有这样做的函数或任何有用的参考代码？
使用的函数是imhist()
如果您用 "separate" 表示 "distinguish"，那么是的：您描述的 属性 称为 双峰性 ，即您有 2 个峰可以用一个阈值分隔。所以你的问题实际上是 "how do I test for an underlying bimodal distribution?"
以编程方式执行此操作的一个选项是 Binning。这不是最稳健但最简单的方法。它可能有效，也可能无效。
Kernel Smoothing is probably the more robust solution. You basically shift and scale a certain function (e.g. Gaussian) to fit the data. This can be done with histfit 在 matlab 中。
由于您现在知道所需的术语，因此您可以自行研究此问题的更多解决方案。请注意，如果您想正确。
，您的问题并不是一个微不足道的问题