一种基于插值的图像分割方法_江泽涛
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
’ !
#
!’
!
根 据 以 上 公 式 可 以 定 义 类 间 方 差 #+ （( ） * ! "!（ * ’ "（ " (）
基金项目： 国家自然科学基金项目 （编号： ； 江西省测控中心基金项目 （编号： 资助 Z"’-’""! ） [\!""!"-"’’ ） 作者简介： 江泽涛 （’BZ’) ） ， 男， 教授， 博士研究生， 主要从事图像处理， 计算机视觉和模式识别研究。朱颖 （’B>") ） ， 女， 硕士研究生， 研究方向为图 像处理与模式识别。赵荣椿 （’B,%) ） ， 男， 博士生导师， 主要研究方向： 语音和图像信息处理、 计算机视觉和模式识别。吴俊安 （’B%B) ） ， 男， 硕士研究生， 研究方向为计算机应用与工业控制。
! 然希望两者的差值尽量大， 即 （!（ ） 或 (!（ ’!（ ’!（ (尽 " !） & !） " !） & !） !
（! ） 的值越大。 量大， 从而类间方差 "" 由上述可知， 以类间 方 差 "" （! ） 作为衡量不同阈值导出的 类别分离性能的测量准则， 极 大 化 "" （! ） 的过程就是自动确定 阈值的过程， 因此最佳阈值为 )&*： （! ） !+,-./0-1 ""
3
结论
论文针对全局阈值分割法难以处理背景较复杂的图像， 选
用局部最大类间方差阈值分割法， 将图像分块求取阈值。为了 克服局部阈值法易产生像素的块状效应， 利用一种简单有效的 —等间距插值法对阈值矩阵进行插值处理， 然后进行 插值法—— 图像的二值化。实验的结果令人满意， 为高层次图像处理的做 好了充分的准备。 （收稿日期： !""5 年 &" 月）
为 了 将 矩 阵 , 插 值 成 与 原 图 像 像 素 数 目 相 同 的 矩 阵 ,/ ， 论文的方法是将矩阵 , 中的元素 ,-. 的值存放在子图像 %-. 对应 的块的起始位置， 然后对矩阵的列和行分别进行等间距插值处 将每列的相邻两个值之间插入 （( + * ’& ） 个数 理 。 对 于 矩 阵 ,，
!>0)1%;)： R8 5<1M D0D4E， 0 84L 1/094 M49/48505168 /45<6J S0M4J 68 1854ED6205168 1M DE6D6M4J$R5 50T4M 5<4 /45<6J 6F （VWX ） 56 J454E/184 5<4 5<E4M<62J 6F 40=< MHS)1/094$? 84L 0J0D51O4 5<E4M<62J， 26=02 /0U1/H/ S45L448)=2HM54E O0E108=4 5<E4M<62J 1854ED6205168 /45<6J 1M HM4J 56 1854ED62054 5<4 5<E4M<62J 0EE0;$R5 /0T4M 5<4 0EE0; 5E08MF6E/ 56 0 84L 5<E4M<62J 0EE0; L<1=< <0M 0/6H85 6F D1U42M 6F 6E191802 1/094$R5 50T4M 5<4 84L 5<E4M<62J 0EE0; 56 =<0894 6E191802 1/094 1856 S180Y E; 1/094$@<4 4UD4E148=4 DE6O4M 5<05 5<1M /45<6J =08 945 M051MF0=56E; M49/48505168 E4MH25$ ?’@A+1.0： 1/094 M49/48505168 ，wenku.baidu.comVWX， 5<E4M<62J 1854ED6205168
&!. !* 。如图 & 所示。
局部阈值分割 （7 ） 图!
（8 ） 该文方法
6-.6-.- 图像分割方法结果比较
图&
阈值矩阵 ,
从实验结果可以看出， 全局阈值法的分割效果不如局部阈 值法和该文方法。图 ! （7 ） 和图 3 （8 ） 中 6-.6-.- 的左脸轮廓、 右 脸的围巾和右胳膊能被清晰地检测出来。 局部阈值法 （未插值） 虽然分割效果要好于全局阈值法，但图像块状效应比较严重， （6 ） 和图 ! （8 ） 。而该文方法能够明显改善图 视觉效果不如图 ! （7 ） 中的块状效应， 且能保留更多的图像细节， 获得了较满意 ! 的效果。
值， 用一种新的插值法对阈值矩阵进行插值处理， 使之成为与原图像像素数目相同的新矩阵， 利用新的 阈 值 矩 阵 对 原 图 像进行二值化处理。结果表明， 利用该方法具有很好的分割效果。 关键词 图像分割 最大类间方差法 阈值插值 文献标识码 ? 中图分类号 @A,B’
（!""# ） 文章编号 ’""!)>,,’) "%)""-%)"!
&$5
图像的二值化
利用获得的新 阈 值 矩 阵 ,/ 对 图 像 进 行 二 值 化 处 理 。 将 原
- .0&） ， 值， 间 隔 大 小 为 ,-.0,（ 这 样 矩 阵 的 列 被 扩 充 为 ( + *4 （* ’& ）
(+*
个列， 然后再在该矩阵每行的相邻两个值之间插入 （& + )’& ） 个
（-0&） . ， 数值， 间隔大小为 ,-.0, 扩充后的矩阵的行数为 & + )4 （) ’ &+) 。这样 （)’& ） （*’& ） 大小的 矩 阵 , 插 值 成 与 原 图 像 （)’& ） &） 4 4 （*’& ） 个子图像对应像素数目相同的矩阵。因此新的矩阵 ,/还 和 （( + *’& ） 个位置未插入数值。所以对于 , 的最后 有 （& + )’& ）
计算机工程与应用
!""#$%
-%
! ） 。对于类间方差 "" （! ） 来说， 和 !（ 可以分别代表 !（ !（ & !） " !） & !）
!
为图像中较亮的部分， 如 果 该 点 灰 度 值 比 ,/ 中 对 应 的 值 大 ， 则 判为目标， 反之则判为背景。
目标和背景的中心灰度，要使目标和背景得到最好的分割， 当
&$!
局部自适应阈值选取方法
论文的方法将图像分解成一系列均等的子块， 在各个子图
像中采用最大类间方差法确定阈值。这时， 如果直接用每一个 子图像的阈值对原图像进行二值化， 当目标被分在不同的子块 中时， 分割结果的块状效应很大。 为了克服这一缺点， 保持子图 像之间阈值的平滑性， 需要对阈值矩阵进行插值处理。论文采 —等间距插值法， 对矩阵中相邻阈值之 用一种新的插值方法—— 间进行等分插值处理， 方法简单有效。
(
!"*!$ #
#*"
!’*’)!"
! !
类 ’" 和 ’’ 的灰度均值 "（ 和 "（ ， 方 差 #" （( ） 和 #’ （( ） " (） ’ (） 可分别由下式得出：
( ! )’ #
"（ * " (）
!#$
#)"
!"
( "
"（ * #*(+’ ’ (） !’
! #
!#$
#
（#*"（( ） ） $ !
"2!#$ ’& ! ! !
!
实验结果及分析
论文提出了一种新的基于插值的图像分割方法。 采用自适
应阈值方法，用局部最大类间方差法确定各个子图像的阈值， 用一种等间距插值法对阈值矩阵进行插值处理， 使之成为与原 图像像素数目相同大小的新矩阵， 利用新的阈值矩阵对原图像 进行二值化处理。下面分别是采用最大类间方差法全局阈值 法， 最大类间方差法局部阈值法与该文采用的方法进行图像分 （- ） 是 #""4#"" 的 6-.6-.- 原图像， 图! （6 ） 割结果的比较。图 ! 是用最大类间方差法全局阈值法进行分割的结果， 图! （7 ） 是 （8 ） 是采 用最大类间方差法局部阈值法进行分割的结果， 图! 用该文方法进行分割的结果。 采用最大类间方差法局部阈值法 和该文方法时， 子图像个数为 &"4&" 。
!
率， % 为像素数总值。
$ #*
"# %
! )’
$ # !&
!$ *’
#*" #
将图像各像素按灰度分成两类 （’"， 。 ’" 包含灰度级 &" ， ’’） …， …， ((的像素， ’’ 包含灰度级 &(+’ ， ! )’(的像素。 类 ’" 和 ’’ 的发生概率 !" 和 !’ 可由下式得出：
一种基于插值的图像分割方法
! 江泽涛 ’，
朱
颖!
赵荣椿 ’
吴俊安 !
’ （西北工业大学计算机学院， 西安 %’""%!） （南昌航空工业学院计算机系， 南昌 ,,"",- ） !
.)/012： 3450671089:;0<66$=6/$=8
摘 要 提出了一种新的基于插值的图像分割方法， 采用自适应阈值方法， 用局部最大类间方差法确定各个子图像的阈
图像分割是一种重要的图像处理技术， 广泛应用在图像处 理、 机器视觉等应用领域。图像分割主要利用图像中要提取的 目标物体与背景在灰度上的差异， 把图像分为目标区域和背景 区域。利用阈值对图像进行分割时， 关键是找到恰当的阈值将 目标和背景区分开来。当图像目标物体与背景灰度相差较大 时， 用全局阈值法对图像进行分割可取得比较满意的结果。而 对于具有复杂背景的图像， 由于光照不均匀、 对比度不同， 采用 全局阈值法不能很好地将目标从背景中分割出来。 这种情况下 可以考虑为不同的图像区域选择不同的分割阈值， 称为局部阈 值法。 在众多的阈值化分割算法中， 最大类间方差法 &’(是性能评 估最好的方法之一。针对背景较复杂图像的特点， 论文在分析 比较各种方法的基础上， 采用局部最大类间方差法确定各个子 图像的阈值，并利用一种新的插值法对阈值矩阵进行插值， 获 得针对原图像像素点的阈值矩阵， 利用新的阈值矩阵对图像进 行二值化处理。 ） #（ " ( *
!" #$%&’ (’&$’")%)*+" ,’)-+. /%0’. +" #")’12+3%)*+"
7 4*%"& 5’)%+6， 5-8 9*"&7 5-%+ :+"&;-8"6 <8 48"=%"7 ’ （ C4D0E5/485 6F G6/DH54E I=148=4 08J .891844E189 ， K6E5<L4M54E8 P1Q08 %’""%!） A62;54=<81= N81O4EM15; ， ! （ ， C4D0E5/485 6F G6/DH54E K08=<089 R8M515H54 6F ?4E680H51=02 @4=<86269; ， K08=<089 ,,"",-）
&$3
等间距插值法
设原图像 % 大小为 &’( ， 将图像分为 )’* 个子图像， 每个
（- ） 6-.6-.- 原图 （6 ） 全局阈值分割
（( + * ） 。 这里 & 和 ( 分别是 ) 和 * 的整 子图像大小为 （& + ) ） ’ 数倍。对这 )’* 个子图像分别用最大类间方差法求得阈值， 这 阈 值 ,-. 对 应 子 图 像 %-. ， 样阈值矩阵 , 的大小 为 )’* ， &!-!)，
参考文献
&$9:;< =$> ?@.A:@BC8 DACA7;EBF GA;@B8 H.B0 I.-J’KALAC ME:;B/.-0:
（& ） ： )N*$OPPP ?.-F: BF DJ:;A0: ， G-F -F8 QJ6A.FA;E7:， DGQ’R ， &R%R ； R
S!TSS
沈匀宝， 李有法 $ 计算方法 )G*$ 杭州： 浙江大学出版社， !$ 易大义， !""!
#)"
’ 算法原理及实现 ’$’ 最大类间方差法原理
设图像灰度分为 ! 级 （" ， ， 设 "# 为 图 像 中 灰 度 ’， ! … ! )’ ） 级为 # 的像素总数， $# 为 该 灰 度 级 像 素 数 占 整 个 像 素 数 的 比
!"
! )’
） #*(+’ #（ ’ ( *
!
（#*"（( ） ） $ !
一列和最后一行需要另外处理， 这里让最后一列 ,&*， …， ,!*， ,)* 分别在其所在的行末尾上插入 （( + * ’& ） 个数， 令这 （( + * ’& ） 个 数对应的值等于 ,-*， 同理， 让最后一行 ,)&， …， &!-!)。 ,)!， ,)* 分别在其所在的列末尾上插入 （& + )’& ） 个数， 令这 （& + )’& ） 个 数 对 应 的 值 等 于 ,). ， &!. !* 。 这 样 ， 整 个 阈 值 矩 阵 , 插 值 完 毕， 获得的新阈值矩阵 ,/与原图像像素数目相同。
#
!’
!
根 据 以 上 公 式 可 以 定 义 类 间 方 差 #+ （( ） * ! "!（ * ’ "（ " (）
基金项目： 国家自然科学基金项目 （编号： ； 江西省测控中心基金项目 （编号： 资助 Z"’-’""! ） [\!""!"-"’’ ） 作者简介： 江泽涛 （’BZ’) ） ， 男， 教授， 博士研究生， 主要从事图像处理， 计算机视觉和模式识别研究。朱颖 （’B>") ） ， 女， 硕士研究生， 研究方向为图 像处理与模式识别。赵荣椿 （’B,%) ） ， 男， 博士生导师， 主要研究方向： 语音和图像信息处理、 计算机视觉和模式识别。吴俊安 （’B%B) ） ， 男， 硕士研究生， 研究方向为计算机应用与工业控制。
! 然希望两者的差值尽量大， 即 （!（ ） 或 (!（ ’!（ ’!（ (尽 " !） & !） " !） & !） !
（! ） 的值越大。 量大， 从而类间方差 "" 由上述可知， 以类间 方 差 "" （! ） 作为衡量不同阈值导出的 类别分离性能的测量准则， 极 大 化 "" （! ） 的过程就是自动确定 阈值的过程， 因此最佳阈值为 )&*： （! ） !+,-./0-1 ""
3
结论
论文针对全局阈值分割法难以处理背景较复杂的图像， 选
用局部最大类间方差阈值分割法， 将图像分块求取阈值。为了 克服局部阈值法易产生像素的块状效应， 利用一种简单有效的 —等间距插值法对阈值矩阵进行插值处理， 然后进行 插值法—— 图像的二值化。实验的结果令人满意， 为高层次图像处理的做 好了充分的准备。 （收稿日期： !""5 年 &" 月）
为 了 将 矩 阵 , 插 值 成 与 原 图 像 像 素 数 目 相 同 的 矩 阵 ,/ ， 论文的方法是将矩阵 , 中的元素 ,-. 的值存放在子图像 %-. 对应 的块的起始位置， 然后对矩阵的列和行分别进行等间距插值处 将每列的相邻两个值之间插入 （( + * ’& ） 个数 理 。 对 于 矩 阵 ,，
!>0)1%;)： R8 5<1M D0D4E， 0 84L 1/094 M49/48505168 /45<6J S0M4J 68 1854ED6205168 1M DE6D6M4J$R5 50T4M 5<4 /45<6J 6F （VWX ） 56 J454E/184 5<4 5<E4M<62J 6F 40=< MHS)1/094$? 84L 0J0D51O4 5<E4M<62J， 26=02 /0U1/H/ S45L448)=2HM54E O0E108=4 5<E4M<62J 1854ED6205168 /45<6J 1M HM4J 56 1854ED62054 5<4 5<E4M<62J 0EE0;$R5 /0T4M 5<4 0EE0; 5E08MF6E/ 56 0 84L 5<E4M<62J 0EE0; L<1=< <0M 0/6H85 6F D1U42M 6F 6E191802 1/094$R5 50T4M 5<4 84L 5<E4M<62J 0EE0; 56 =<0894 6E191802 1/094 1856 S180Y E; 1/094$@<4 4UD4E148=4 DE6O4M 5<05 5<1M /45<6J =08 945 M051MF0=56E; M49/48505168 E4MH25$ ?’@A+1.0： 1/094 M49/48505168 ，wenku.baidu.comVWX， 5<E4M<62J 1854ED6205168
&!. !* 。如图 & 所示。
局部阈值分割 （7 ） 图!
（8 ） 该文方法
6-.6-.- 图像分割方法结果比较
图&
阈值矩阵 ,
从实验结果可以看出， 全局阈值法的分割效果不如局部阈 值法和该文方法。图 ! （7 ） 和图 3 （8 ） 中 6-.6-.- 的左脸轮廓、 右 脸的围巾和右胳膊能被清晰地检测出来。 局部阈值法 （未插值） 虽然分割效果要好于全局阈值法，但图像块状效应比较严重， （6 ） 和图 ! （8 ） 。而该文方法能够明显改善图 视觉效果不如图 ! （7 ） 中的块状效应， 且能保留更多的图像细节， 获得了较满意 ! 的效果。
值， 用一种新的插值法对阈值矩阵进行插值处理， 使之成为与原图像像素数目相同的新矩阵， 利用新的 阈 值 矩 阵 对 原 图 像进行二值化处理。结果表明， 利用该方法具有很好的分割效果。 关键词 图像分割 最大类间方差法 阈值插值 文献标识码 ? 中图分类号 @A,B’
（!""# ） 文章编号 ’""!)>,,’) "%)""-%)"!
&$5
图像的二值化
利用获得的新 阈 值 矩 阵 ,/ 对 图 像 进 行 二 值 化 处 理 。 将 原
- .0&） ， 值， 间 隔 大 小 为 ,-.0,（ 这 样 矩 阵 的 列 被 扩 充 为 ( + *4 （* ’& ）
(+*
个列， 然后再在该矩阵每行的相邻两个值之间插入 （& + )’& ） 个
（-0&） . ， 数值， 间隔大小为 ,-.0, 扩充后的矩阵的行数为 & + )4 （) ’ &+) 。这样 （)’& ） （*’& ） 大小的 矩 阵 , 插 值 成 与 原 图 像 （)’& ） &） 4 4 （*’& ） 个子图像对应像素数目相同的矩阵。因此新的矩阵 ,/还 和 （( + *’& ） 个位置未插入数值。所以对于 , 的最后 有 （& + )’& ）
计算机工程与应用
!""#$%
-%
! ） 。对于类间方差 "" （! ） 来说， 和 !（ 可以分别代表 !（ !（ & !） " !） & !）
!
为图像中较亮的部分， 如 果 该 点 灰 度 值 比 ,/ 中 对 应 的 值 大 ， 则 判为目标， 反之则判为背景。
目标和背景的中心灰度，要使目标和背景得到最好的分割， 当
&$!
局部自适应阈值选取方法
论文的方法将图像分解成一系列均等的子块， 在各个子图
像中采用最大类间方差法确定阈值。这时， 如果直接用每一个 子图像的阈值对原图像进行二值化， 当目标被分在不同的子块 中时， 分割结果的块状效应很大。 为了克服这一缺点， 保持子图 像之间阈值的平滑性， 需要对阈值矩阵进行插值处理。论文采 —等间距插值法， 对矩阵中相邻阈值之 用一种新的插值方法—— 间进行等分插值处理， 方法简单有效。
(
!"*!$ #
#*"
!’*’)!"
! !
类 ’" 和 ’’ 的灰度均值 "（ 和 "（ ， 方 差 #" （( ） 和 #’ （( ） " (） ’ (） 可分别由下式得出：
( ! )’ #
"（ * " (）
!#$
#)"
!"
( "
"（ * #*(+’ ’ (） !’
! #
!#$
#
（#*"（( ） ） $ !
"2!#$ ’& ! ! !
!
实验结果及分析
论文提出了一种新的基于插值的图像分割方法。 采用自适
应阈值方法，用局部最大类间方差法确定各个子图像的阈值， 用一种等间距插值法对阈值矩阵进行插值处理， 使之成为与原 图像像素数目相同大小的新矩阵， 利用新的阈值矩阵对原图像 进行二值化处理。下面分别是采用最大类间方差法全局阈值 法， 最大类间方差法局部阈值法与该文采用的方法进行图像分 （- ） 是 #""4#"" 的 6-.6-.- 原图像， 图! （6 ） 割结果的比较。图 ! 是用最大类间方差法全局阈值法进行分割的结果， 图! （7 ） 是 （8 ） 是采 用最大类间方差法局部阈值法进行分割的结果， 图! 用该文方法进行分割的结果。 采用最大类间方差法局部阈值法 和该文方法时， 子图像个数为 &"4&" 。
!
率， % 为像素数总值。
$ #*
"# %
! )’
$ # !&
!$ *’
#*" #
将图像各像素按灰度分成两类 （’"， 。 ’" 包含灰度级 &" ， ’’） …， …， ((的像素， ’’ 包含灰度级 &(+’ ， ! )’(的像素。 类 ’" 和 ’’ 的发生概率 !" 和 !’ 可由下式得出：
一种基于插值的图像分割方法
! 江泽涛 ’，
朱
颖!
赵荣椿 ’
吴俊安 !
’ （西北工业大学计算机学院， 西安 %’""%!） （南昌航空工业学院计算机系， 南昌 ,,"",- ） !
.)/012： 3450671089:;0<66$=6/$=8
摘 要 提出了一种新的基于插值的图像分割方法， 采用自适应阈值方法， 用局部最大类间方差法确定各个子图像的阈
图像分割是一种重要的图像处理技术， 广泛应用在图像处 理、 机器视觉等应用领域。图像分割主要利用图像中要提取的 目标物体与背景在灰度上的差异， 把图像分为目标区域和背景 区域。利用阈值对图像进行分割时， 关键是找到恰当的阈值将 目标和背景区分开来。当图像目标物体与背景灰度相差较大 时， 用全局阈值法对图像进行分割可取得比较满意的结果。而 对于具有复杂背景的图像， 由于光照不均匀、 对比度不同， 采用 全局阈值法不能很好地将目标从背景中分割出来。 这种情况下 可以考虑为不同的图像区域选择不同的分割阈值， 称为局部阈 值法。 在众多的阈值化分割算法中， 最大类间方差法 &’(是性能评 估最好的方法之一。针对背景较复杂图像的特点， 论文在分析 比较各种方法的基础上， 采用局部最大类间方差法确定各个子 图像的阈值，并利用一种新的插值法对阈值矩阵进行插值， 获 得针对原图像像素点的阈值矩阵， 利用新的阈值矩阵对图像进 行二值化处理。 ） #（ " ( *
!" #$%&’ (’&$’")%)*+" ,’)-+. /%0’. +" #")’12+3%)*+"
7 4*%"& 5’)%+6， 5-8 9*"&7 5-%+ :+"&;-8"6 <8 48"=%"7 ’ （ C4D0E5/485 6F G6/DH54E I=148=4 08J .891844E189 ， K6E5<L4M54E8 P1Q08 %’""%!） A62;54=<81= N81O4EM15; ， ! （ ， C4D0E5/485 6F G6/DH54E K08=<089 R8M515H54 6F ?4E680H51=02 @4=<86269; ， K08=<089 ,,"",-）
&$3
等间距插值法
设原图像 % 大小为 &’( ， 将图像分为 )’* 个子图像， 每个
（- ） 6-.6-.- 原图 （6 ） 全局阈值分割
（( + * ） 。 这里 & 和 ( 分别是 ) 和 * 的整 子图像大小为 （& + ) ） ’ 数倍。对这 )’* 个子图像分别用最大类间方差法求得阈值， 这 阈 值 ,-. 对 应 子 图 像 %-. ， 样阈值矩阵 , 的大小 为 )’* ， &!-!)，
参考文献
&$9:;< =$> ?@.A:@BC8 DACA7;EBF GA;@B8 H.B0 I.-J’KALAC ME:;B/.-0:
（& ） ： )N*$OPPP ?.-F: BF DJ:;A0: ， G-F -F8 QJ6A.FA;E7:， DGQ’R ， &R%R ； R
S!TSS
沈匀宝， 李有法 $ 计算方法 )G*$ 杭州： 浙江大学出版社， !$ 易大义， !""!
#)"
’ 算法原理及实现 ’$’ 最大类间方差法原理
设图像灰度分为 ! 级 （" ， ， 设 "# 为 图 像 中 灰 度 ’， ! … ! )’ ） 级为 # 的像素总数， $# 为 该 灰 度 级 像 素 数 占 整 个 像 素 数 的 比
!"
! )’
） #*(+’ #（ ’ ( *
!
（#*"（( ） ） $ !
一列和最后一行需要另外处理， 这里让最后一列 ,&*， …， ,!*， ,)* 分别在其所在的行末尾上插入 （( + * ’& ） 个数， 令这 （( + * ’& ） 个 数对应的值等于 ,-*， 同理， 让最后一行 ,)&， …， &!-!)。 ,)!， ,)* 分别在其所在的列末尾上插入 （& + )’& ） 个数， 令这 （& + )’& ） 个 数 对 应 的 值 等 于 ,). ， &!. !* 。 这 样 ， 整 个 阈 值 矩 阵 , 插 值 完 毕， 获得的新阈值矩阵 ,/与原图像像素数目相同。