二值图像的阈值分割方法探讨

二值图像的阈值分割方法探讨

摘要图像分割的目的是将图像划分成互不交迭区域的集合，将图像中有意义的部分提取出来。图像分割的用途非常广泛，分割通常用来时图像进行进一步的分析，识别及压缩编码等。分割的准确性直接影响后续任务的有效性，因此具有十分重要的意义。文中通过对常用的图像二值化确定阈值方法的对比，经实验验证总结了合适的二值图像的阈值分割方法。

关键词二值图，阀值分割，算法。

0引言

图像分割的目的是将图像划分成互不交迭区域的集合，将图像中有意义的部分提取出来。这些区域的划分是有意义的，它们或者代表不同的物体，或者代表物体的不同部分，是进一步进行图像识别、分析和理解的基础。图像分割的用途非常广泛，几乎涉及图像处理的所有领域，应用于各种类型的图像。分割通常用来对图像进行进一步的分析、识别及压缩编码等，分割的准确性直接影响后续任务的有效性，因此具有十分重要的意义。

按照通用的分割定义，分割出的区域需同时满足均匀性和连通性的条件。其中均匀性是指该区域中的所有像素点都满足基于灰度、纹理、颜色等特征的某种相似性准则，而连通性是指在该区域内任意两点存在相互连通的路径。完全符合上述定义的分割计算十分复杂，目前大部分研究都是针对某一类型图像或者某一具体应用的分割。

阈值分割是最常见的直接检测区域的分割方法，它就是简单的用一个或几个阈值将图像的灰度直方图分成几个类。如果只需选取一个阈值称为单阈值分割，它将图像分成目标和背景两大类。如果选取多个阈值称为多阈值分割，将图像分割成多个目标和背景。在本研究从事的CCD标定研究中采用的是较为简单的单阈值分割方法，将图像二值化。为以后的目标识别、特征点提取打下基础。在阈值分割技术中较为重要的是阈值的确定，合理的阈值能有效地去除多余信息、提取出有用信息，它直接影响分割后效果，影响有效信息经提取后的保留程度，决定着标定角点的提取位置精度，对标定精度至关重要。

常用的图像二值化确定阈值方法有：迭代法，最大直方图阈值分割法(EN日，最大类间方差法(OTSU)。

1迭代法

Ridler和CaNard在1978年曾提出过选取阈值的一种迭代法，但是十分耗时，Trussel对此作了简化，即任意将直方图划分为两部分，并计算每一部分的平均灰度。然后用两个平均灰度级的平均值作为新的分割阈值。具体步骤如下：a求出图像中的最大和最小灰度值z。和z：(可根据图像的灰度直方图确定)，阈值初值tk：如下：

ψ(t)最大即意味着目标区域和背景区域各自的灰度分布具有同一性，同时t 代表分割两区域的阈值。

最大直方图阈值分割法对图像的信噪比要求不高，它对不同倍噪比的图像均产生很好的分割效果，其缺点是涉及对数运算，计算速度较慢，另外对图像的对比度和直方图分布这类图像性能敏感，对于目标和背景对比度小的图像在求其阈值前，应该先进行灰度变换，否则虽终的分割效果可能会不理想。

2最大类问方差法lOTSU)

这种方法是1980年由日本大津展之提出，它是在最小二乘法原理基础上推导出来的，其基本思路是将直方图在某一阈值处分割成两组，当被分成的两组的方差为最大时，将该分割值定为分割阈值。

设一幅图像的灰度值为1-m级，灰度值为i的像素数为n，，此时可以得到总的像素数：

3实验结果结论

最大类问方差法作为常用的阈值选取方法之一，被认为是最优的阈值自动选取方法，从提高速度的角度看，其用时是最少的，在程序实现时其速度可以满足要求，是实时测量处理的较优方法；另一方面。从适应性出发，因为最大类间方差法是基于直方图双峰情况的，在目标与背景灰度差大的前提下适用性强，通过对标定图像的观察和分析发现：在目标和背景的边界附近像点，它的灰度值和邻域平均灰度间差异明显，即图像目标与背景这两类的总体灰度之间存在差距。基于以上两点。本研究采用了最大类问方差法进行图像分割。

本研究中，所处理的图像的灰度值为0-255，即m=255。阈值选定以后，令小于该阈值的灰度为0，而大于该阈值的灰度为255。图1为是经本算法计算后所得的二值图。由图可见：图形的分割较好的保留了目标信息且目标边界信息保留齐全。