使用拐点作为分割阈值

Question

跟着@​​987654321@谈图像处理，我觉得导师的目标是达到传统门槛 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);

具体来说，前两行，我不明白，如果你要第二次推导，为什么要使用abs、sort？

其次，我在谷歌上搜索，并没有找到类似的方法，所以我想问一下这种方法好吗？你遇到过吗？

Answer 1

我以前没见过这个。

我无法理解该方法。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。排序后的导数值的最小导数是至少出现两次的导数值（排序是这样的，它的导数总是非负的）。这一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，这意味着他们发明了它。不过他们的Google Scholar page 似乎没有列出关于这种方法的论文。

无论如何，由于视频中的人声称他们的方法产生了与 Otsu 相似的结果，当 Otsu 如此简单和完善时，我认为使用未经证实的方法没有任何意义。

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