图像分割中最佳阈值选择方法探究.docVIP

图像分割中最佳阈值选择方法探究摘 要： 本文介绍了两种图像区域分割方法，讨论了关于分割时最佳阈值选择的问题，除利用直方图确定阈值外，还介绍了利用方差确定阈值的途径。 关键词： 图像分割； 全局阈值； 自适应 中图分类号： TP391.41 文献标识码： A 文章编号： 1009-8631（2011）06-0088-02 1引言 用计算机进行数字图像处理的目的有两个，一是产生更适合人类视觉观察和识别的图像，二是希望计算机能够自动进行识别和理解图像。无论是为了何种目的，图像处理的关键一步是对包含有大量各式各样景物信息的图像进行分解。图像分割技术可以理解为将图像中有意义的特征区域或者需要应用的特征区域提取出来，用于图像分割的场景图像特征信息有亮度、色彩、纹理、结构、温度、频谱、运动、形状、位置、梯度和模型等，从分割依据的角度来看，图像的分割方法可以分为相似性分割和非连续性分割；相似性分割就是将具有同一灰度级或相同组织结构的像素聚集在一起，形成图像的不同区域：非连续性分割就是首先检测局部不连续性，然后将它们连接在一起形成边界，这些边界将图像分成不同的区域。由于不同种类的图像，不同的应用场合，需要提取的图像特征是不同的，当然对应的图像特征提取方法也就不同，因此并不存在一种普遍适应的最优方法[1][2]。图像分割技术的目的在于从图像中提取目标，具体可以通过两个途径实现：一种是提取目标的区域，本文介绍了两种图像区域分割方法，讨论了关于分割时最佳阈值选择的问题，除利用直方图确定阈值外，还介绍了利用方差确定阈值的途径。 2图像的区域分割方法比较 区域分割方法是使用阈值对物体进行分割的技术，它把图像所有的点按照灰度值大于或等于某个(或多个)阈值或门限值的像素点判属于目标物体(背景)，反之属于背景(目标物体)。区域分割方法本文采用了全局阈值图像分割和自适应阈值图像分割两种。 2.1全局阈值图像分割 全局阈值处理是一种区域分割技术，它对物体和背景有较强对比度的图像分割特别有效，具体的思路是对整个图像设置一个门限(阈值)，凡图像灰度值大等于(或小等于)门限的被判属于目标，剩余的归为背景。于是，边界就成为这样一些内部点的集合，这些点都至少有一个相邻的点不属于物体。如果感兴趣的物体在其内部具有均匀一致的灰度值并分布在一个具有另一个灰度值的均匀背景上，使用全局阈值图像分割效果就非常好。阈值图像分割相当于对图像进行二值化，即将灰度值低于某一阈值的像素灰度值变换为0，其他像素灰度值变换为1。对于全局阈值图像分割最关键的问题是如何确定一个合适的阈值，最佳阈值的选择可以利用直方图选择，如果前景物体内部和背景灰度值分布比较均匀，则图像灰度直方图双峰型分布明显，我们常以两峰之间的谷底作为阈值TH(门限值)，就能将物体与背景分割开来[3]。双峰型直方图如图1所示： 选择波谷TH作为门限值，即 g（x，y）=1，f（x，y）＜TH0，f（x，y）≥TH （2-1） 如果在背景和目标图像的先验概率相等的条件下最佳阈值可以选择背景灰度均值与目标灰度均值的均值，即 T=■■■■F■（j，k）+■■■F■（j，k） （2-2） 其中N1，N2为同类像素数，下标1、2分别对应背景和目标图像。当照明不均匀、有突发噪声，或背景灰度变化比较大时，没有一个较好的阈值能兼顾图像各个像素的实际情况，对整个图像选择单一门限十分不容易且分割效果非常不好。直方图不呈双峰，而是多峰型分布，阈值选择不易，分割效果非常不好。 对于上述情况，当直方图不平滑，谷点无法找到时，我们可以先对直方图做平滑处理，可以使用下述“5点平滑”，先将原始图像进行一定的平滑，使直方图尽可能满足双峰特点。 h（0）=■[69h（0）+4h（1）-6h（2）+4h（3）-h（4）]h（1）=■[2h（0）+27h（1）+12h（2）-8h（3）+2h（4）]h（k）=■[-3h（k-2）+12h（k-1）+17h（k）+12h（k+1）-3h（k+2）]h（L-2）=■[2h（L-5）+8h（k-4）+12h（L-3）+27h（L-2）-2h（L-1）]h（L-1）=■[-h（L-5）+4h（L-4）-6h（L-3）+4h（L-2）-69h（L-1）]（2-3） 利用“5点平滑”会增加程序的复杂性，且使图像变得模糊，所以本设计没有使用“5点平滑法”，而是提出了自适应阈值分割方法，实验证明自适应阈值图像分割能很好的解决照明不均匀、背景灰度变化比较大的问题，关于自适应阈值分割方法我们将在后面具体介绍。 2.2最佳阈值选取方法 为了解决阈值图像分割抗干扰能力差，阈值选择十分不容易的弊端，探讨了一种利用方差来选择最佳阈值的方法[4]