基于最大类间方差的改进图像分割算法

结果显示处理的图像为8位的灰度图像灰度级为进行阈值分割处理传统otsu法计算方差的次数为255文献算法缩小了搜索的范围计算方差次数为94本文算法采用二分查找法搜索的效率高出很多计算方差次数为15进行阈值进行分割处理的结果传统的otsu阈值法计算方差次数为255算法为124本文算法为21通过使用改进算法otsu阈值分割算法和文献通过对3种方法的处理效果进行对比权衡可以发现改进算法在正确找到目标值的基础上计算方差的次数减小10倍以上提高了otsu法的效率
Ｉ ｍ ｒ ｏ ｖ ｅ ｄ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｏ ｆ ｉ ｍ ａ ｅ ｓ ｅ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｍ ａ ｘ ｉ ｍ ｕ ｍ ｐ ｇ ｇ ｇ ｃ ｌ ｂ ｅ ｔ ｗ ｅ ｅ ｎ ｕ ｓ ｔ ｅ ｒ ｖ ａ ｒ ｉ ａ ｎ ｃ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ － ｇ
［ ３］
是 其 中 的 关 键 步 骤， 常 用 的 方 法 为 Ｏ ｓ ｔ ｕ法
。
目前 ， 随着研 究 的 深 入 ， 图 像 分 割 技 术 有 了 较 快 发 展 ， 其
４］ 中基于灰度直 方 图 统 计 的 图 像 分 割 法 ［ 最 为 典 型，成 为 目
前图像分割的基 本 方 法 。 因 为 单 纯 的 阈 值 分 割 法 并 不 适 用 全部图像 ， 所以学 者 创 造 性 地 把 该 方 法 和 其 它 分 割 技 术 联 合在一起 。 目 前 ， 图 像 阈 值 分 割 算 法 的 种 类 很 多 ， 如 固 定 门限阈值算 法
基于最大类间方差的改进图像分割算法
丁晓峰 ， 何凯霖
（ ） 电子科技大学成都学院 计算机系 ， 四川 成都 ６ １ ７ ３ １ １
摘 要 ： 针对图像分割最佳阈值难于选取和计算量大的问题 ， 提出一种基 于 最 大 类 间 方 差 的 改 进 图 像 分 割 算 法 。 在 深 入 分 析传统算法的缺陷发生机理的基础上 ， 采用最大类间方差算法在整个灰度 空 间 搜 索 最 佳 阈 值 ， 克 服 传 统 算 法 计 算 量 大 的 问 题 ； 将二分法的查找原理应用于 Ｏ ｓ ｕ 算法中 ， 提高搜索效率 ， 减少计算方差的次数 ， 与传 统 Ｏ ｔ ｓ ｕ法 相 比， 计 算 量 降 低 １ ０ ｔ 倍以上 ， 计算速度加快 。 实验结果表明 ， 该算法能够更好地应用于实 时 性 高 、 数 据 处 理 量 大 的 场 合 ， 具 有 较 高 效 率 和 较 好 实用性 。 关键词 ： 最佳阈值 ；Ｏ ｔ ｓ ｕ 算法 ； 二分法 ； 图像分割 ； 灰度空间 ）１ 中图法分类号 ： Ｔ ７ ０ ２ ７ ０ ４ ３ ９ １ 文献标识号 ：Ａ 文章编号 ： ０ ０ ２ ４（ ２ ０ １ ５ ０ ６ ５ １ ０ Ｐ － － － ： ／ ｄ ｏ ｉ １ ０ ． １ ６ ２ ０ ８ ｓ ｓ ｎ １ ０ ０ ０ ２ ４ ． ２ ０ １ ５ ． １ ０ ． ０ ３ １ ． ｉ ７ ０ － ｊ
、自适应门限阈值算法
［ ６］
、最大熵法
［ ７］
和
Ｏ ｔ ｕ 法等几种 。Ｏ ｓ ｔ ｕ 法又称为 最 大 类 间 方 差 法 ， 该 方 法 具 ｓ
； 修订日期 ：２ 收稿日期 ：２ １ ０ １ ２ １ ２ ２ ６ １ ４ １ ４ ０ ０ － － － － ， 男 ， 四川绵阳人 ， 硕士 ， 讲师 ， 研究方 向 为 计 算 机 软 件 与 数 字 多 媒 体 工 程 ； 何 凯 霖 （ ， 男， 四 川 达 州 作者简介 ： 丁晓峰 （ ８ ５ ８ ２ １ ９ １ ９ －） －） ： 人 ， 硕士 ， 讲师 ， 研究方向为计算机网络工程 。Ｅ－ｍ ａ ｉ ｌ ｄ ｉ ｎ ｘ ｆ＿ ｃ ｄ ２ ６ ． ｃ ｏ ｍ ＠１ ｇ
·２ ６ ６· ７
计算机工程与设计
第二区域比例 ）＝ ｗ１ （ ｔ 目标均 ）＝ ｔ ０（ μ 背景均值 ）＝ ｔ １（ μ 总均值 ） ） ） ） ｔ ｔ ｔ ｔ ＋ ｗ１ （ ０（ １（ μ ＝ ｗ０ （ μ μ ｓ ｕ 法求出的图像最佳阈值的公式为 Ｏ ｔ
２ ） （ ） ｘ［ ａ ｒ ｗ０ （ ｔ ｔ －μ） ＋ ０（ ｇ＝Ａ ｇ ｍ μ １ ０≤ ｔ － ≤Ｌ ２ ） （ ） ｗ１ （ ｔ ｔ －μ）］ ０（ μ １ ｔ ｋ≤Ｌ － ≤ ０≤ ｋ≤ ｔ １ ｔ ｋ≤Ｌ － ≤
，ＨＥ Ｄ Ｉ ｆ ｅ ｌ ｉ ＮＧ Ｘ ｉ ａ ｏ ｎ Ｋ ａ ｉ ｎ － － ｇ
（ ， ， Ｃ ｏ ｏ ｆ Ｃ ｈ ｉ ｎ ａ ｏ ｆ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｍ ｕ ｔ ｅ ｒ Ｄ ｅ ａ ｒ ｔ ｍ ｅ ｎ ｔ Ｃ ｈ ｅ ｎ ｄ ｕ Ｃ ｏ ｌ ｌ ｅ ｅ ｏ ｆ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｇ ｙ ｐ ｐ ｇ ｇ ｙ ） Ｃ ｈ ｅ ｎ ｄ ｕ ６ １ １ ７ ３ １， Ｃ ｈ ｉ ｎ ａ ｇ
：ｏ ； ； ； Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ｔ ｉ ｍ ａ ｌ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ Ｏ ｔ ｓ ｕ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ； ｄ ｉ ｃ ｈ ｏ ｔ ｏ ｍ ｉ ｍ ａ ｅ ｓ ｅ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｒ ａ ｓ ａ ｃ ｅ ｇ ｇ ｐ ｐ ｇ ｙ ｇ ｙ ｙ
０ 引 言
在车牌识别 、 目 标 跟 踪 等 诸 多 研 究 领 域 ， 图 像 阈 值 分 割处理
［ １， ２］
有稳定性强 、 准确性大的优 点 ， 但 Ｏ ｔ ｕ法 在 整 个 灰 度 级 遍 ｓ 历上求最大类间方差 ， 运算复 杂 ， 对 于 视 觉 检 测 等 要 求 高 、 技术精的应用场所 ，Ｏ ｓ ｔ ｕ 法不再适合 。 本文在 Ｏ ｓ ｔ ｕ算法的基础上通过提高其效率，加快图像 阈值分割的速度 ， 改进的 Ｏ ｓ ｔ ｕ 法具有更高的使用价值 。
：Ａ ， Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ｓ ｉ ｔ ｉ ｓ ｄ ｉ ｆ ｆ ｉ ｃ ｕ ｌ ｔ ｔ ｏ ｓ ｅ ｌ ｅ ｃ ｔ ｔ ｈ ｅ ｏ ｔ ｉ ｍ ａ ｌ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ｉ ｎ ｉ ｍ ａ ｅ ｓ ｅ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｔ ｈ ｅ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｉ ｏ ｎ ａ ｍ ｏ ｕ ｎ ｔ ｉ ｓ ｌ ａ ｒ ｅ ｔ ｈ ｅ ｉ ｍ－ ｐ ｇ ｇ ｇ ｒ ｃ ｏ ｕ ｔ ｆ ｏ ｒ ｗ ａ ｒ ｄ ．Ｔ ｈ ｅ ｍ ａ ｘ ｉ ｍ ｕ ｍ ｂ ｅ ｖ ｅ ｄ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｏ ｆ ｉ ｍ ａ ｅ ｓ ｅ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｍ ａ ｘ ｉ ｍ ｕ ｍ ｂ ｅ ｔ ｗ ｅ ｅ ｎ ｕ ｓ ｔ ｅ ｒ ｖ ａ ｒ ｉ ａ ｎ ｃ ｅ ｗ ａ ｓ ｌ － － ｐ ｐ ｇ ｇ ｇ ， ｒ ａ ｓ ａ ｃ ｅ ｏ ｖ ｅ ｒ ｃ ｏ ｍ ｉ ｎ ｔ ｈ ｅ ｄ ｅ ｆ ｅ ｃ ｔ ｓ ｏ ｆ ｔ ｒ ａ ｅ ｅ ｎ ｕ ｓ ｔ ｅ ｒ ｖ ａ ｒ ｉ ａ ｎ ｃ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｗ ａ ｓ ａ ｄ ｏ ｔ ｅ ｄ ｔ ｏ ｓ ｅ ａ ｒ ｃ ｈ ｆ ｏ ｒ ｔ ｈ ｅ ｏ ｔ ｉ ｍ ａ ｌ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ｉ ｎ ｔ ｈ ｅ ｔ ｗ ｃ ｌ － － ｇ ｙ ｐ ｇ ｇ ｐ ｐ ｄ ｉ ｒ ｉ ｎ ｃ ｉ ｌ ｅ ｉ ｎ ｄ ｉ ｃ ｈ ｏ ｔ ｏ ｍ ｗ ａ ｓ ａ ｌ ｉ ｅ ｄ ｉ ｎ Ｏ ｔ ｓ ｕ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ， ｔ ｈ ｕ ｓ ｉ ｍ ｒ ｏ ｖ ｉ ｎ ｓ ｅ ａ ｒ ｃ ｈ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ａ ｎ ｄ ｒ ｅ ｄ ｕ ｔ ｉ ｏ ｎ ａ ｌ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ． Ｔ ｈ ｅ ｓ ｅ ａ ｒ ｃ ｈ － ｐ ｐ ｙ ｐ ｐ ｇ ｐ ｇ ｙ ｇ ， ｃ ｉ ｎ ｔ ｈ ｅ ｎ ｕ ｍ ｂ ｅ ｒ ｏ ｆ ｖ ａ ｒ ｉ ａ ｎ ｃ ｅ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｓ ． Ｃ ｏ ｍ ａ ｒ ｅ ｄ ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ Ｏ ｔ ｓ ｕ ｍ ｅ ｔ ｈ ｏ ｄ ｔ ｈ ｅ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ｍ ｅ ｔ ｈ ｏ ｄ ｓ ｅ ｅ ｄ ｓ ｕ ｔ ｈ ｅ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｇ ｐ ｐ ｐ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｉ ｏ ｎ ａ ｍ ｏ ｕ ｎ ｔ ｌ ｏ ｗ ｅ ｒ ｅ ｄ ｂ ｍ ｏ ｒ ｅ ｔ ｈ ａ ｎ １ ０ｔ ｉ ｍ ｅ ｓ ．Ｔ ｈ ｅ ｅ ｘ ｅ ｒ ｉ ｍ ｅ ｎ ｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｃ ａ ｎ ｂ ｅ ｐ ｙ ｐ ｇ ， ｂ ｅ ｔ ｔ ｅ ｒ ａ ｌ ｉ ｅ ｄ ｔ ｏ ｏ ｃ ｃ ａ ｓ ｉ ｏ ｎ ｓ ｗ ｉ ｔ ｈ ｈ ｉ ｈ ｒ ｅ ａ ｌ ｅ ｒ ｆ ｏ ｒ ｍ ａ ｎ ｃ ｅ ａ ｎ ｄ ｌ ａ ｒ ｅ ａ ｍ ｏ ｕ ｎ ｔ ｏ ｆ ｄ ａ ｔ ａ ａ ｎ ｄ ｉ ｔ ｈ ａ ｓ ｈ ｉ ｈ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ａ ｎ ｄ ｕ ｓ ｅ ｖ ａ ｌ ｕ ｅ ． ｍ ｅ ｔ ｉ － ｐ ｐ ｇ ｐ ｇ ｇ ｙ
∑
ｋ） ｐ（
） （ ４
其中 ， 应用广泛的灰度阈值法 ， 它 是 把 像 素 灰 度 进 行 分 类 ， 实现对图像 的 分 割 ； 边 缘 检 测 法 应 用 也 较 为 广 泛 ， 它 是 通 过识别图像内物 体 轮 廓 进 而 求 出 图 像 的 边 界 实 现 容 易 ， 效 果优势显著 ； 区域生长法 是 根 据 图 像 的 灰 度 、 纹 理 、 形 状 、 尺寸等特征把性 质 基 本 一 致 的 邻 近 点 进 行 归 纳 ， 组 成 不 同 的区域 ， 它是一种从图像中提取实体的序贯分割法 。 广泛应用的灰 度 阈 值 分 割 算 法 是 基 于 阈 值 化 技 术 的 应 用 ， 通过对像素 灰 度 做 种 类 的 划 分 ， 实 现 对 图 像 的 有 效 划 分与分割 。 该方法 有 一 个 应 用 前 提 即 图 片 内 的 像 素 点 灰 度 级相邻但也存在 差 别 的 情 况 。 所 以 该 方 法 的 关 键 是 要 取 定 恰当的阈值 。 该方法在原 始 阶 段 ， 均 依 靠 二 值 化 方 法 来 进 行 相 关 求 解 。 实践证明 ， 其 优 势 为 方 便 、 简 洁 而 易 懂 。 在 遇 到 直 方 图的两峰值明显 的 情 况 时 ， 用 该 方 法 来 求 解 具 有 明 显 的 优 势 。 处理方法为 ： 选择 在 凹 谷 点 处 的 灰 度 级 Ｔ 值 ， 当 作 此 ， ）为 扫 描 点 二 值 化 图 像 的 灰 时的 门 限 值 进 行 求 解 ， 设 μ（ ｉ ｊ 度值 ， 则 ， ）＝ ｉ ｊ μ（ ， ）≥ Ｔ） （ ｉ １ ｊ μ（ （ （ ， ）＜ Ｔ） ０ μｉｊ
２ ０ １ ５年１ ０月 第３ ６卷 第１ ０期
计算机工程与设计
ＵＴ Ｅ Ｒ Ｅ ＮＧ Ｉ Ｎ Ｅ Ｅ Ｒ Ｉ ＮＧ ＡＮ Ｄ Ｄ Ｅ Ｓ Ｉ ＧＮ Ｃ ＯＭＰ
Ｏ ｃ ｔ ． ２ ０ １ ５ ｏ ． １ ０ Ｖ ｏ ｌ ． ３ ６ Ｎ

［ ５］
１ 传统算法缺陷的机理研究
根据实际需要 把 自 然 图 像 划 分 为 所 需 的 不 同 区 域 或 部 分就是图像 分 割 的 过 程 。 根 据 实 际 利 用 的 分 割 模 型 ， 侧 重 的特征类 型 ， 传 统 的 分 割 算 法 种 类 繁 多 。 另 外 ， 经 实 验 研 究 ， 不同的方法 具 备 不 同 的 使 用 条 件 ， 并 呈 现 出 各 自 的 优
１ ５年 ２ ０
势 。 分割技术大 部 分 是 从 图 像 的 像 素 为 突 破 口 ， 实 现 对 应 的目标 。 目前 ， 常 用 的 分 割 方 法 分 为 边 缘 检 测 法 、 谱 和 空
］ ８ １ １ － 。 间分类法 、 区域生长 法 和 灰 度 等 级 阈 值 法 等 几 种 类 别 ［