图像细化处理异常咨询：应用细化函数后结果无变化

从你提供的代码和需求来看，结果与原图一致的问题既有实现细节的疏漏，也存在概念逻辑上的偏差，下面逐一拆解：

一、实现层面的关键问题 #

1. 阈值判断的逻辑矛盾（核心诱因） #

graythresh(y)返回的是归一化到[0,1]区间的Otsu阈值，但如果你的输入显著图y是未归一化的灰度图（比如uint8格式的0-255取值），那么y < th_2的条件几乎永远不会成立（仅y=0的像素满足），这会导致所有像素都进入y >= th_2的分支，相当于只执行了单一的拉伸逻辑；后续的归一化操作又会把拉伸后的数值重新映射回与原图近似的0-1范围，最终视觉上看起来和原图无差异。

如果你的y已经是归一化到0-1的矩阵，那继续看下面的问题：

2. 归一化操作抵消了拉伸效果 #

你在dim=1的分支最后执行了normalization(sal, 0)，这个函数会把处理后的sal重新映射到0-1区间。而原图如果本身已经是归一化的，那么处理后的拉伸操作（不管是拉高还是压低）会被归一化“抹平”——因为归一化只看当前矩阵的最大最小值，相当于把处理后的分布又拉回了和原图相同的数值范围，自然看不出差异。

另外，dim=2的分支没有执行归一化操作，这会导致两个分支的输出结果不一致，属于明显的实现疏漏。

二、概念层面的逻辑偏差 #

你的需求是让前景（海星）均匀变白，背景噪声均匀变黑，但当前的细化逻辑并没有针对性地实现“均匀化”：

• 对于背景像素（低于阈值），代码计算10*(y/th_2)-10，当y接近0时，这个值会变成-10，经过sigmoid后趋近于0，再加原y后是接近0的小值，这部分是符合预期的；
• 但对于前景像素（高于阈值），代码计算10*(y-th_2)/(1-th_2)，这个值会随y的增大而线性增大，sigmoid后趋近于1，再加原y后是大于1的值，后续归一化会把这些值重新分配到0-1区间，并没有让前景像素“均匀”向1靠拢，反而保留了原有的灰度差异。

三、修复建议 #

针对你的需求，调整逻辑如下：

1. 先确保输入的归一化一致性：在调用Refinement前，先把输入y归一化到0-1区间，避免阈值判断失效；
2. 替换拉伸+归一化的逻辑为二值化后平滑/均匀化：
   • 用Otsu阈值将图像分为前景和背景；
   • 对前景区域直接设置为1（或接近1的固定值），背景区域设置为0（或接近0的固定值）；
   • 可选：对前景区域做平滑处理，保证均匀性。

修改后的示例核心代码：

function sal = Refinement(y, dim)
    % 先统一归一化输入到0-1区间
    y = normalization(y, 0);
    th_2 = graythresh(y);
    % 生成前景/背景掩码
    mask = y >= th_2;
    % 初始化输出，背景设为0，前景设为1
    sal = zeros(size(y));
    sal(mask) = 1;
    % 可选：高斯模糊平滑前景边界，保证均匀性
    sal = imgaussfilt(sal, 1.5);
    % 最终归一化（可选，根据需求调整）
    sal = normalization(sal, 0);
end

这样处理后，前景会均匀趋近于1（变白），背景趋近于0（变黑），完全符合你的需求。

内容的提问来源于stack exchange，提问作者dtr43