图像的二值化阈值分割示例

灰度图像二值化实例
2．灰度图像多区域阈值分割
图像中的区域（n=4）
在各区域的灰度差异设置n个阈值，并进行如 下分割处理：
g0 g 1 g (i, j ) g n 1 gn
f (i, j ) T0 T0 f (i, j ) T1 Tn 2 f (i, j ) Tn 1 f (i, j ) Tn 1
——细菌检测
图像分割示例
——印刷缺陷检测
图像分割示例
——印刷缺陷检测
局部放大图
检测结果
图像分割的难点
• 从前面的例子可以看到，图像分割是比较困难 的。原因是画面中的场景通常是复杂的，要找
出两个模式特征的差异，并且可以对该差异进
行数学描述都是比较难的。
图像分割 把图像空间按照一定的要求分成一些 “有意义”的区域的技术叫图像分割。 例 如： （1）要确定航空照片中的森林、耕地、城市 区域等，首先需要将这些部分在图像上分 割出来。 （2）要辨认文件中的个别文字，也需先将这 些文字分选出来。
（3）要识别和标定细胞的显微照片中的染色 体，需要用图像分割技术。 一幅图像通常是由代表物体的图案与背 景组成，简称物体与背景。若想从一幅图像 中“提取”物体，可以设法用专门的方法标 出属于该物体的点，如把物体上的点标为 “1”，而把背景点标为“0”，通过分割以 后，可得一幅二值图像。
• 图像分割的应用领域
机器阅读理解 OCR录入 遥感图像自动识别 在线产品检测 医学图像样本统计 医学图像测量 图像编码 图像配准的预处理
图像分割的意义 是把图像分成若干个有意义区域的处 理技术。其从本质上说是将各像素进行分 类的过程。分类所依据的特性可以是像素 的灰度值、颜色或多谱特性、空间特性和 纹理特性等。
7.1 图像分割
图像分割的目的
图像分割是指通过某种方法，使得画面场景
被分为“目标物”及“非目标物”两类,即将图像
的像素变换为黑、白两种。
因为结果图像为二值图像，所以通常又称图
像分割为图像的二值化处理。
图像分割示例
图像分割示例
——条码的二值化
局 部 放 大
图像分割示例
——肾小球区域的提取
?
图像分割示例
图像阈值化处理的变换函数表达式为
255 g ( x, y) 0 f ( x, y) T f ( x, y) T
两种变换曲线
图像的二值化阈值分割示例
（a）原图像
（b）图像直方图
（c）分割阈值T=90
Leabharlann Baidu
（d）分割阈值T=130
（e）分割阈值T=180
在图像的阈值化处理过程中，选用不同 的阈值其处理结果差异很大。 阈值过大，会提取多余的部分；而阈值过 小，又会丢失所需的部分。 因此，阈值的选取非常重要。
• 图像分割方法分类： 大致可以分为基于边缘检测的方法和基于区 域生成的方法。 第一类为找出图像的边缘信息，首先检出局 部特性的不连续性，再将它们连成边界，这些边 界把图像分成不同的区域，从而分割出各个区域， 常用边缘检测方法有基于边缘检测的图像分割、 基于阈值选取的图像分割；
第二类为基于区域生成的方法，是将像素分 成不同的区域，根据相应的区域特性在图像中找 出与其相似的部分并进行处理，常用的方法有区 域生长、分裂-合并分割方法。 以上这两类方法互为对偶，相辅相成，有时 还要将它们结合起来，以得到更好的分割效果。
图像中各点经上述灰度阈值法处理后，各个有 意义区域就从图像背景中分离出来。
含有多目标图像的直方图
7.2.2 直方图阈值
1．直方图阈值的双峰法
当灰度图像中画面比较简单且对象物的灰度 分布比较有规律，背景和对象物在图像的灰度直 方图上各自形成一个波峰，由于每两个波峰间形 成一个低谷，因而选择双峰间低谷处所对应的灰 度值为阈值，可将两个区域分离。 把这种通过选取直方图阈值来分割目标和背 景的方法称为直方图阈值双峰法。
1 g ( x, y) 0
f ( x, y) T f ( x, y) T
这样得到的g (x, y)是一幅二值图像。
7.2.1 灰度阈值分割
1．阈值分割原理
常用的图像分割方法是把图像灰度分成不同的 等级，然后用设置灰度门限(阈值)的方法确定有意义 的区域或分割物体的边界。 常用的阈值化处理就是图像的二值化处理，即 选择一个阈值，将图像转换为黑白二值图像，用于 图像分割及边缘跟踪等预处理。
7.2 基于阈值选取的图像分割方法
若图像中目标和背景具有不同的灰度集 合：目标灰度集合与背景灰度集合，且两个 灰度集合可用一个灰度级阈值T进行分割。 这样就可以用阈值分割灰度级的方法在图像 中分割出目标区域与背景区域，这种方法称 为灰度阈值分割方法。
设图像为f (x, y) ，其灰度级范围是[0，L-1]，在 0和L-1之间选择一个合适的灰度阈值T，则图像分 割方法可描述为：
具体实现的方法是先做出图像的灰度直 方图，若只出现背景和目标物两区域部分所 对应的直方图呈双峰且有明显的谷底，则可 以将谷底点所对应的灰度值作为阈值t，然后 根据该阈值进行分割就可以将目标从图像中 分割出来。 这种方法适用于目标和背景的灰度差较 大，直方图有明显谷底的情况。
直方图的双峰与阈值
直方图阈值双峰法实例
I=imread(‘blood.bmp’); %读入灰度图像并显示 imshow(I); figure;imhist(I); %显示灰度图像直方图 Inew=im2bw(I,140/255); %图像二值化，根据 140/255确定的阈值，划分目标与背景 figure;imshow(Inew);
双峰法比较简单，在可能情况下常常作 为首选的阈值确定方法，但是图像的灰度直 方图的形状随着对象、图像输入系统、输入 环境等因素的不同而千差万别，当出现波峰 间的波谷平坦、各区域直方图的波形重叠等 情况时，用直方图阈值法难以确定阈值，必 须寻求其他方法来选择适宜的阈值。
第7章 图像分割
7.1 7.2 7.3 7.4 7.5
图像分割 基于阈值选取的图像分割方法 基于区域的图像分割方法 基于边缘检测的图像分割 Hough变换检测法
学习目标
• • • • • 了解图像分割的类别和作用 掌握基于阈值选取的图像分割方法 掌握基于区域的图像分割方法 掌握基于边缘检测的图像分割方法 了解Hough变换检测法