在Matlab中将一幅图像阈值分割二值化非常简单，若需要通过阈值th2二值化保留一些大面积的、且有灰度值含有大于th1的点的前景区域，而不需要小面积的区域(th1大于th2)，这时会遇到这样的问题：当阈值选为th2时会把一些小面积区域也保留下来；若把阈值增大到th1，小面积的区域没了，但是原来大面积的区域又会减小；若要直接去掉阈值th2二值化图像中面积小于某一值的的区域，需要计算每个区域的面积，计算量大，而且有的区域中并没有含有大于th1的点。
下面利用数学形态学的方法来解决上述问题。
这里主要是采用数学形态学中的腐蚀与膨胀操作，采用均值滤波、灰度图像高阈值二值化、种子点选择、灰度图像低阈值二值化和选择滤波相结合的方法，具体来说：腐蚀过程采用均值滤波和高阈值对第一细分图像二值化，滤掉面积较小的区域，得到较大的区域，然后选择每个区域的种子点；膨胀过程采用低阈值对第一细分图像二值化，保留含有种子点的区域，其它的均过滤掉。经过腐蚀和膨胀操作后，得到所希望的结果，见下图。
程序如下：
wmf10=imread('mwf1.bmp');%读取图像
wmf1=wmf10(:,:,1);%由于是灰度图像，三个页面相同，故只对第一页面数据操作
figure(1);
subplot(121);imagesc(wmf1);colormap(gray);%显示原图象
h=fspecial('average',3);
wmf1_filted=uint8(round(filter2(h,wmf1)));
%均值滤波
th1=0.94*max(max(wmf1));
%确定阈值th1
wmf1th1=(wmf1_filted>th1);%按阈值th1二值化
[wmf1th1_label
numth1_label]=bwlabel(wmf1th1,8);
rc=zeros(2,numth1_label);%选择种子点坐标
for
i=1:numth1_label
[r c]=find(wmf1th1_label==i);
rc(1,i)=r(2);rc(2,i)=c(2);
end
r=rc(1,:);
c=rc(2,:);
coe=1.4;
th2=mean2(wmf1)+coe*std2(wmf1);
%确定阈值th2
wmf1th2=(wmf1>th2);%按阈值th2二值化
wmf1th2_select=bwselect(wmf1th2,c,r,8);
%保留含有种子点的前景区域
subplot(122);imagesc(wmf1th2_select);colormap(gray);
上述程序主要是采用了bwlabel和beselect函数，虽然没有直接使用Matlab的形态学操作的膨胀、腐蚀函数，但其实质过程和达到的效果是遵循形态学操作原理的，因而这也为形态学操作提供了其他的编程实现过程。有心的读者可以试试看，能否用dilate和erosion函数完成同样的任务
ERDAS9.1实现图像二值化
ERDAS9.1，现在可以回答怎么用ERDAS来做二值化。我觉得在ERDAS里面其实就叫做重编码(Recode)
步骤如下：
Interpreter模块/GIS Analysis/Recode
在对话框中打开你要重编码的img图像，然后指定一个保存路径。
最后点击Setup recode进入重编码，在属性表里面的New value字段里面修改属性值，一类赋值1，另一类赋值0
二值化在ENVI中可以通过band
math来实现。
band math是利用简单的算术表达式来解决波段运算的功能。
二值化的实现，需要用到band math的逻辑运算功能，具体的表达式的书写，你可以查看帮助文件，或者找一本操作指南看看。
举个例：
将某一波段中灰度值大于等于100的像元赋予10，其他的赋予20。那么表达式就写为：(b1 ge 100)*20+(b1 lt
100)*10
ge 、lt分别表示“大于等于”和“小于”
括号内是一个逻辑运算表达式，所以其返回值是0(假)和1(真)。
那么，一旦某一像元灰度值大于等于100，第一个括号返回值为1，加号之前的运算的结果就为20；当然，此时该像元得灰度值代入到第二个括号内计算的返回值为0。这样，针对着一个像元，其最终输出之后为20。
band math 就是这样一个一个像元进行计算的。