自迁移出 MediaWiki 以来，本页内容尚未经过审查。如果您愿意帮忙，请查看帮助指南！
该插件使用各种全局（直方图派生）阈值方法对 8 位和 16 位图像进行二值化。分段相始终显示为白色 (255)。
对于本地阈值而不是全局阈值，请参阅Auto Local Threshold插件。
安装
ImageJ：需要 v1.42m 或更高版本。下载Auto_Threshold-X.Y.Z.jar并将其复制到 ImageJ/plugins 文件夹中，然后重新启动 ImageJ 或运行Image › Adjust › Auto Threshold命令。此后，新命令应出现在Help › Update Menus中。
Fiji：该插件是Fiji发行版的一部分，无需下载。
使用
方法 选择要应用的算法（详细信息如下）。
忽略黑色和忽略白色选项分别将 [0] 和 [255] 灰度级的图像直方图箱设置为 0。如果数字化图像具有曝光不足或曝光过度的像素，这可能很有用。
黑色背景上的白色对象 将值高于阈值的像素设置为白色（否则，将值小于或等于阈值的像素设置为白色）。
设置阈值而不是阈值（单个图像） 设置阈值 LUT，而不更改像素数据。这仅适用于单个图像。
如果您正在处理堆栈，则可以使用两个附加选项： 堆栈 可用于处理所有切片（每个切片的阈值将单独计算）。如果未选中此选项，则仅处理当前切片。 使用堆栈直方图 首先计算整个堆栈的直方图，然后根据该直方图计算阈值，最后使用该单个值对所有切片进行二值化。选择此选项也会自动选择上面的 Stack 选项。
重要说明：
1. 该插件可通过 Image › Adjust › Threshold… 菜单条目访问，但是阈值方法也在 ImageJ 的阈值小程序中部分实现，可通过 Image › Auto Threshold 菜单条目访问。虽然自动阈值插件可以使用或忽略图像直方图的极值（忽略黑色、忽略白色），但小程序不能：“默认”方法会忽略直方图极值，但其他方法不会。这意味着将两个命令应用于同一图像可能会产生明显不同的结果。本质上，自动阈值插件，通过正确的设置，可以重现小程序的结果，但不能反过来。
2. 从版本 1.12 开始，该插件支持 16 位图像的阈值处理。由于自动阈值插件处理完整的灰度空间，因此在处理 16 位图像时可能会很慢。请注意，ImageJ 阈值小程序也处理 16 位图像，但实际上 ImageJ 首先计算具有 256 个 bin 的直方图。因此，使用小程序时在 16 位图像上获得的结果与使用此插件获得的真实 16 位结果可能存在差异。请注意，为了加快速度，直方图被括起来以仅包括包含数据的箱的范围（并避免在两个极端处处理空直方图箱）。
3. 16 位图像和堆栈（处理所有切片时）的结果是一个 8 位容器，以白色 [255] 显示结果，以符合“二进制图像”的概念（即具有 0 和 255 值的 8 位）。然而，对于仅对 1 个切片进行阈值化的堆栈，结果仍然是 16 位容器，阈值化相位显示为白色 [65535]。这是为了保持剩余切片中的数据不变。 “全部尝试”选项保留 16 位格式，以便仍然使用可能无法获得阈值的方法显示图像。无法设置阈值的图像和堆栈保持不变。
4. 8 位和 16 位的相同图像（没有缩放）返回相同的阈值，但是当图像数据偏移时（例如，当向所有像素添加固定值时），Li 的方法最初会返回不同的值。当前的实现避免了这种与偏移相关的问题。
5. 对于除 Huang、Li 和 Triangle 之外的所有方法，按固定值 缩放 的同一图像（例如，将所有像素乘以固定值时）都会返回类似的阈值结果（在原始未缩放图像的 2 个灰度级别内），因为这些算法的工作方式不同。例如。应用于 8 位图像和转换为 16 位使用缩放的同一图像的三角形方法可能会导致不同的阈值。这是因为从 8 位缩放到 16 位会在缩放的灰度值之间创建空箱。三角形方法（基于几何方法）在新的 16 位直方图中找到满足方法约束但在原始 8 位图像中不存在的那些人工间隙。这是无法避免的（例如通过检测空的直方图箱），因为当图像中存在真正的空箱（与人工的空箱相反）时，它会干扰分析。 6. 添加了双层图像阈值。感谢韦恩·拉斯班德和威廉·伯格。当图像仅包含 2 个不同的像素值（任意两个强度）时，插件会自动将其阈值设置为值 0 和 255，同时忽略所选的阈值方法。这是因为大多数期望双峰直方图的方法都会失败，因为双层图像有时可以解释为单峰（例如，由直方图中两个连续值组成的图像）。
可用方法
全部尝试
哪种方法可以最好地分割您的数据？人们可以尝试使用 全部尝试 选项来回答这个问题。这会生成包含所有方法结果的蒙太奇，允许探索不同算法在特定图像或堆栈上的执行情况。使用堆栈时，在某些情况下，单独分割每个切片可能不是一个好主意，而不是对所有切片使用单个阈值（尝试示例图像中的 mri-stack.tif 以更好地理解此问题）。
原始图像
尝试所有方法。
当处理具有多个切片的堆栈时，蒙太奇可能会变得非常大（约原始堆栈大小的 16 倍），并且存在耗尽 RAM 的风险。将出现一个弹出窗口（当堆栈超过 25 个切片时）以确认该过程是否应显示蒙太奇结果。选择否来计算阈值并将其显示在日志窗口中。
默认
这是 ImageJ 中可用的原始自动阈值方法，它是 IsoData 算法的变体（如下所述）。当选择忽略黑色和忽略白色时，默认选项应返回与Image › Adjust › Threshold › Auto相同的值。要指示所需相的分段，请使用 黑色背景上的白色对象 选项。 IsoData 方法也称为“迭代中间方法”。
黄
实现Huang的模糊阈值方法。这使用了 Shannon 的熵函数（也可以使用 Yager 的熵函数）。
doi:10.1016/0031-3203(94)E0043-K (PDF)
移植自 ME Celebi 的 fourier_0.8 例程 1 和 2。
黄2
这是 J. Schindelin 提出的 Huang 方法的替代实现，在 16 位图像上具有令人印象深刻的速度优势。然而，在某些图像上，该方法返回的值与上面的原始 Huang 方法不同。
互模
这假设有双峰直方图。使用大小为 3 的运行平均值迭代平滑直方图，直到只有两个局部最大值：j 和 k。然后阈值 t 计算为 (j+k)/2。直方图具有极不均匀的峰或宽而平坦的谷的图像不适合此方法。方法
doi:10.1111/j.1749-6632.1965.tb11715.x
移植自 Antti Niemistö 的 MATLAB 代码。请参阅here 的精彩幻灯片演示和他的原始MATLAB 代码。
隔离数据
基于 isodata 算法的迭代过程：
该过程通过取初始阈值将图像分为对象和背景，然后计算等于或低于阈值的像素以及高于阈值的像素的平均值。计算这两个值的平均值，增加阈值并重复该过程，直到阈值大于复合平均值。那是，
threshold = (average background + average objects)/2.
该方法存在多种实现方式。请参阅源代码以获取更多注释。
###李
基于算法的迭代版本（下面的第二个参考）实现Li的最小交叉熵阈值方法。
doi:10.1016/0031-3203(93)90115-D
doi:10.1016/S0167-8655(98)00057-9 (PDF)
移植自 ME Celebi 的 fourier_0.8 例程 3 和 4。
最大熵
实现Kapur-Sahoo-Wong（最大熵）阈值方法：
doi:10.1016/0734-189X(85)90125-2
移植自 ME Celebi 的 fourier_0.8 例程 5 和 6。
＃＃＃的意思是
使用等级等级的阈值。它被一些其他方法用作第一猜测阈值。
最小尺寸(I)
Kittler 和 Illingworth 最小阈值的迭代实现。
实现这个似乎比原来的更裂缝地收敛。然而，有时该算法不会收敛到解决方案。在这种情况下，将向日志窗口报告警告，并且结果默认为使用扫荡方法计算的阈值的最终估计值。忽略黑色或忽略白色选项可能有助于避免此问题。
doi:10.1016/0031-3203(86)90030-0
移植自 Antti Niemistö 的 MATLAB 代码。请参阅here，了解优秀的幻灯片演示和原始MATLAB代码。
＃＃＃最低限度
与 Intermodes 方法类似，该方法假定双峰直方图。使用大小为 3 的移动消除平滑直方图，直到只有两个局部峰值。阈值 t 满足 yt−1 > yt <= yt+1。
直方图具有极不均匀的峰或宽而隔壁的谷的图像不适合此方法。
doi:10.1111/j.1749-6632.1965.tb11715.x
移植自 Antti Niemistö 的 MATLAB 代码。请参阅here，了解优秀的幻灯片演示和原始MATLAB代码。
###精彩瞬间
Tsai的方法试图在阈值化结果中保留原始图像的矩。
doi:10.1016/0734-189X(85)90133-1
移植自 ME Celebi 的 fourier_0.8 例程 7 和 8。
大津
大津的阈值算法搜索使类内天线最小化的阈值，类内天线定义为两类天线的加权和。
另请参阅Wikipedia article on Otsu’s method。
由 Jordan Bevik 从 C++ 代码移植而来。
百分位
假设前景像素的比例为0.5。
移植自 Antti Niemistö 的 MATLAB 代码。请参阅here，了解优秀的幻灯片演示和原始MATLAB代码。
RenyiEntropy
与 MaxEntropy 方法类似，但使用 Renyi 的熵代替。
doi:10.1016/0734-189X(85)90125-2
移植自 ME Celebi 的 fourier_0.8 例程 9 和 10。
尚巴格
移植自 ME Celebi 的 fourier_0.8 例程 11 和 12。
＃＃＃三角形
这是三角形方法的实现：
修改自 Johannes Schindelin 的插件 Triangle_Algorithm。
另请参阅：http://www.ph.tn.tudelft.nl/Courses/FIP/noframes/fip-Segmenta.html#Heading118
三角算法是一种几何方法，无法判断数据是否偏向一侧或另一侧，而是假设直方图一端有最大极值（众数），从而得到另一端搜索。在缺乏处理的图像类型的信息情况下，或者当顶点不接近直方图极值之一时（导致在该顶点和极值之间存在两个可能的阈值区域），这会导致问题。这里，算法被扩展以查找数据在最大邻近的哪一端走得最远，并在该最大范围内搜索求值。
日元
实现 Yen 的阈值方法： doi:10.1109/83.366472
