基于閾值法的圖像分割技術(shù)

　　在對圖像的研究和應(yīng)用中，人們往往僅對圖像中的某些部分感興趣，這些部分稱為目標(biāo)或前景(其他部分稱為背景)，他們一般對應(yīng)圖像中特定的、具有獨特性質(zhì)的區(qū)域。為了辨識和分析目標(biāo)，需要將他們分離提取出來，在此基礎(chǔ)上才有可能對目標(biāo)進一步利用。圖像分割就是指把圖像分成格局特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。這里特性可以是象素的灰度、顏色、紋理等，預(yù)先定義的目標(biāo)可以對應(yīng)單個區(qū)域，也可以對應(yīng)多個區(qū)域。現(xiàn)有的圖像分割算法有：閾值分割、邊緣檢測和區(qū)域提取法。本文著重研究基于閾值法的圖像分割技術(shù)。

　　1 閾值法圖像分割

　　1.1 閾值法的基本原理

　　閾值分割法是一種基于區(qū)域的圖像分割技術(shù)，其基本原理是：通過設(shè)定不同的特征閾值，把圖像象素點分為若干類。常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征。設(shè)原始圖像為f(x，y)，按照一定的準(zhǔn)則f(x，y)中找到特征值T，將圖像分割為兩個部分，分割后的圖像為：

　　若?。篵0=0(黑)，b1=1(白)，即為我們通常所說的圖像二值化。

　　1.2 閾值法圖像分割方法分類

　　全局閾值法指利用全局信息對整幅圖像求出最優(yōu)分割閾值，可以是單閾值，也可以是多閾值；局部閾值法是把原始的整幅圖像分為幾個小的子圖像，再對每個子圖像應(yīng)用全局閾值法分別求出最優(yōu)分割閾值。其中全局閾值法又可分為基于點的閾值法和基于區(qū)域的閾值法。閾值分割法的結(jié)果很大程度上依賴于閾值的選擇，因此該方法的關(guān)鍵是如何選擇合適的閾值。由于局部閾值法中仍要用到全局閾值法，因此本文主要對全局閾值法中基于點的閾值法和基于區(qū)域的閾值法分別進行了研究。根據(jù)閾值法的原理可以將閾值選取技術(shù)分為3大類：

　　(1)基于點的全局閾值方法

　　基于點的全局閾值算法與其他幾大類方法相比，算法時間復(fù)雜度較低，易于實現(xiàn)，適合應(yīng)用于在線實時圖像處理系統(tǒng)。

　　(2)基于區(qū)域的全局閾值方法

　　對一幅圖像而言，不同的區(qū)域，比如說目標(biāo)區(qū)域或背景區(qū)域，同一區(qū)域內(nèi)的象素，在位置和灰度級上同時具有較強的一致性和相關(guān)性。

　　(3)局部閾值法和多閾值法

　　局部閾值(動態(tài)閾值) 當(dāng)圖像中有如下一些情況：有陰影，照度不均勻，各處的對比度不同，突發(fā)噪聲，背景灰度變化等，如果只用一個固定的全局閾值對整幅圖像進行分割，則由于不能兼顧圖像各處的情況而使分割效果受到影響。有一種解決辦法就是用與象索位置相關(guān)的一組閾值(即閾值使坐標(biāo)的函數(shù))來對圖像各部分分別進行分割。這種與坐標(biāo)相關(guān)的閾值也叫動態(tài)閾值，此方法也叫變化閾值法，或自適應(yīng)閾值法。這類算法的時間復(fù)雜性和空間復(fù)雜性比較大，但是抗噪能力強，對一些用全局閾值不易分割的圖像有較好的效果。

　　多閾值法 很顯然，如果圖像中含有占據(jù)不同灰度級區(qū)域的幾個目標(biāo)，則需要使用多個閾值才能將他們分開。其實多域值分割，可以看作單閾值分割的推廣。

　　2 閾值法圖像分割的實現(xiàn)

　　最大類間方差法計算簡單、穩(wěn)定有效，一直廣為使用，是一種受到普遍歡迎的閾值選取方法。其基本思路是將直方圖在某一閾值處分割成兩組，當(dāng)被分成的兩組的方差為最大時，得到閾值。因為方差是灰度分布均勻性的一種量度，方差值越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)錯分為背景或部分背景錯分為目標(biāo)都會導(dǎo)致兩部分差別變小，因此使類間方差最大的分割意味著錯分概率最小。

　　圖像的灰度級范圍是0，1，2，…，L-1，設(shè)灰度級i的象素點個數(shù)為mi，圖像的象素點的總數(shù)為　　，則灰度級i的出現(xiàn)概率pi定義為。


　　在Ostu方法中，閾值t把圖像的象素分為C0=(0，1，…，t)和C1=(t+1，t+2，…，L-1)兩類(分別代表門標(biāo)與背景)。

　　即閾值T將圖像分成目標(biāo)，背景兩部分，使得兩類總方差取得最大值的t，即為最佳分割閾值。