Matlab 使用拐点作为分割阈值

接下来是图像处理，我认为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 在曲线中查找拐点以用作阈值

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，如果你想第二次派生，为什么要使用

abs

，

sort

---

第二，我在谷歌上搜索，没有找到类似的方法，所以我想问，这种方法好吗？你遇到过吗？

我以前没见过这个

---

我不能对这种方法掉以轻心。它不是在寻找多项式拟合的拐点。我认为它正在寻找一个导数最频繁的点。排序的导数值的导数最小值是至少出现两次的导数值（排序时其导数始终为非负）。我不知道这一点是什么意思。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，意思是他们发明了它。然而，他们似乎没有列出一篇关于这种方法的论文

在任何情况下，由于视频中的人声称他们的方法产生的结果与大津相似，我认为在大津如此简单和成熟的情况下，使用未经验证的方法没有任何意义

---

我还建议你从一本好书中学习图像处理，而不是在YouTube上随机学习教程。YouTube上有很多垃圾，通常很难区分好坏。生产值不一定与正确性相关。

“排序导数值的最小导数是至少出现两次的导数值”。你能解释一下这一点吗？@user7427260:导数的绝对值是一组>=0的值。对它们进行排序会得到一个非递减函数。其导数为0，其中该函数有两个相同的值。如果原始函数在两点处具有相同的导数，则存在两个相同的值。这种情况最有可能发生在导数平坦的地方，但你不能证明这一点，这只是一种可能性。如果有多个极小值呢？