基本思想

迭代式阈值选择法的基本思想是：开始时，选择一个阈值作为初始估计值，然后按某种策略不断地改进这一估计值，直到满足给定的准则为止。在迭代过程中，关键之处在于选择什么样的阈值改进策略。好的阈值改进策略应该具备两个特征：一是能够快速收敛，二是在每一个迭代过程中，新产生的阈值优于上一次的阈值。

示例代码

A = imread('rice.png');
figure(1);imshow(A);
T = mean2(A);%取均值作为初始阈值
done = false ;%定义跳出循环的理由
i= 0;%while循环进行迭代
while ~doner1 = find(A<=T);%小于阈值的部分r2 = find(A>T);%大于阈值的部分Tnew = (mean(A(r1)) + mean(A(r2))) / 2;%计算分割后两部分的阈值均值的均值done = abs(Tnew - T)<1;%判断迭代是否收敛T= Tnew;%如不收敛,则将分割后的均值的均值作为新的阈值进行循环计算i = i+1;
end
A(r1) = 0;%将小于阈值的部分赋值为0
A(r2) = 1:%将大于阈值的部分赋值为1这两步是将图像转换成二值图像
figure,imshow(A,[]);

效果图片