图像自适应阈值分割

11
图像自适应阈值分割
图像分割
图像分割指图像分成各具特性的区域并提取 出感兴趣目标的技术和过程，它是由图像处理到 图像分析的关键步骤，在图像分割的基础上才能 对目标进行特征提取和参数测量。分割算法有阈 值法、边界探测法和匹配法等。 近年来，出现了很多种阈值选取法，其中最 大类间方差法是最常用的。该方法用于普通图像 时，可以获得良好的分割效果，但是应用于复杂 背景的图像时，不能将目标从背景中分割出来， 这是一种自适应阈值分割方法。
OTSU算法步骤：
1、计算直方图并归一化histogram ni 个， 可以得到图像灰度级1~M，第i级像素 总像素数为N，则第i级灰度出现的概率为
Pi ni N
2、计算图像灰度均值
i Pi
i 1
4
M
OTSU算法步骤：
3、计算直方图的零阶w[i]和一级距u[i]
w0 w[k ] Pi
就会给那些该种子点沿某条路径可以到达且未做标
记的相似像素作上标记。当前标记+1，寻找下个 种子点，进行扩充。如此一直循环到所有像素点都 经过扫描。 3、将所有未被标记的像素标记为-1（背景点）。
在该算法中，各种阈值的设定是非常重要 的，进行模板选择时，我们可以选择十字型（4 邻域）、3*3（8邻域）、5*5（24邻域）；这 样A的值就能确定，它一般是邻域数的三分之二。 因为图像中的噪声多为孤立点（组），模板数 和A越大，则在这些点中越难以产生种子点，所 以一定程度上邻域数和A起到了一定滤波的作用, 能够将小区域和非目标区域去掉。
2
灰度图像自适应阈值分割——OTSU算法
OTSU算法也称最大类间方差法，有时也称之为大 津算法，被认为是图像分割中阈值选取的最佳算法，计 算简单，不受图像亮度和对比度的影响，因此在数字图 像处理上得到了广泛的应用。 它是按图像的灰度特性,将图像分 成背景和前景两部分。背景和前景之 间的类间方差越大,说明构成图像的两 部分的差别越大,当部分前景错分为背 景或部分背景错分为前景都会导致两 部分差别变小。因此,使类间方差最大 的分割意味着错分概率最小。即OTSU 算法以最佳门限将图像灰度直方图分 割成两部分，使两部分类间方差取最 大值，即分离性最大。
如果两个像素p1和p2满足：
p1 p2 R
其中
p1 p2
r1 r2 2 g1 g 2 2 b1 b2 2
我们就认为p1和p2是属于同一个区 域中的。
9
算 法 详 细 过 程
1、初始化：所有的像素都未作标记。 2、确定种子点并进行扩充 图像中，如果某个像素点未标记，并且它邻域 内与它相似点的个数大于A(某个给定的值)，我们 就把当前的标记赋给它，以它为标准，扩充区域，
i 1
k
[k ] i Pi
i 1
k
w1 1 w[k ]
对一级矩作以下处理：
[ k ]
0 [k ] w[k ] , 1 [k ] 1 w[k ]
5
OTSU算法步骤：
4、计算并找到最大的类间方差对应此最大方百度文库 的灰度值即为要找的阈值
5、用找到的阈值二值化图像
类间方差： 即：
2[k ] w0 0 2 w1 1 2
[k ] w[k ] [k ] w[k ] 1 w[k ]
2 2
k从1~M变化，是类间方 差最大的k即为所求之最佳门 限。
实验结果与原图对比
7
彩色图像自适应阈值分割算法：
——三维空间LEGION方法 1、阈值的确定
2 R Rr2 Rg Rb2
Rr表示当前像素红色分量的阈值 Rg表示当前像素绿色分量的阈值 Rb表示当前像素蓝色分量的阈值
Rr Wmax Wmin p1 (r) Rmax Wmin
n
p1表示当前像素，p1(r)代表当前像素的 红色分量，Rmax是当前图像中红色分 量最大值，[Wmin,Wmax]是用户选取 的最小和最大权值范围。