多閾值圖像分割

1、多閾值圖像分割概述摘 要：多閾值分割是現(xiàn)代圖像處理中不可或缺的一部分。它主要指通過設(shè)定多個(gè)閾值將圖像中感興趣的目標(biāo)標(biāo)記出來。閾值的選取非常關(guān)鍵，它關(guān)系到分割后的結(jié)果的好壞。Ostu法也稱之為最大類間法是多閾值圖像分割中比較常用且完善的方法。由于多閾值圖像分割對(duì)于圖像處理的重要性，多閾值圖像分割被廣發(fā)應(yīng)用于現(xiàn)代生產(chǎn)生活的方方面面。關(guān)鍵詞:圖像分割，多閾值，遺傳算法，ostu1. 引言圖像分割是圖像處理和前期視覺中的基本技術(shù)，是大多數(shù)圖像分析和視覺系統(tǒng)的重要組成部分。其中閾值的自動(dòng)選取，是圖像分割中研究的重點(diǎn)和焦點(diǎn)。多閾值圖像分割的應(yīng)用領(lǐng)域非常廣泛，如醫(yī)學(xué)圖像的分析診斷、交通中的智能識(shí)別、衛(wèi)星遙感

2、圖片識(shí)別處理等等。2. 多閾值圖像分割定義2.1 圖像分割所謂圖像分割是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。圖像分割的方法有基于閾值的分割、基于區(qū)域的分割和基于邊緣的圖像分割。2.2 多閾值分割所謂多閾值也是為了在圖像中分割出多片區(qū)域從而設(shè)定多個(gè)閾值。閾值分割方法的特點(diǎn)是實(shí)現(xiàn)簡單、計(jì)算量小、性能較穩(wěn)定。所以多閾值圖像分割成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。3. 多閾值分割原理3.1 閾值分割原理一般意義下，閾值運(yùn)算可以看作是對(duì)圖像中某點(diǎn)的灰度、該點(diǎn)的某種局部特性以及該

3、點(diǎn)在圖像中的位置的一種函數(shù)，這種閾值函數(shù)可記作T(x，y，N(x，y)，f(x，y)式中，f(x，y)是點(diǎn)(x，y)的灰度值；N(x，y)是點(diǎn)(x，y)的局部鄰域特性根據(jù)對(duì)T的不同約束，可以得到3種不同類型的閾值，即點(diǎn)相關(guān)的全局閾值TT(f(x，y)(只與點(diǎn)的灰度值有關(guān))區(qū)域相關(guān)的全局閾值TT(N(x，y)，f(x，y)(與點(diǎn)的灰度值和該點(diǎn)的局部鄰域特征有關(guān))局部閾值或動(dòng)態(tài)閾值TT(x，y，N(x，y)，f(x，y)(與點(diǎn)的位置、該點(diǎn)的灰度值和該點(diǎn)鄰域特征有關(guān))所有這些閾值化方法，根據(jù)使用的是圖像的局部信息還是整體信息，可以分為上下文無關(guān)(non-contextual)方法(也叫做基于點(diǎn)(po

4、int-dependent)的方法)和上下文相關(guān)(contextual)方法(也叫做基于區(qū)域(region-dependent)的方法)；根據(jù)對(duì)全圖使用統(tǒng)一閾值還是對(duì)不同區(qū)域使用不同閾值，可以分為全局閾值方法(global thresholding)和局部閾值方法(local thresholding，也叫做自適應(yīng)閾值方法adaptive thresholding)。3.2 多閾值分割原理一般意義下，多閾值圖像模糊是根據(jù)圖像的灰度，設(shè)定多個(gè)閾值，然后令圖像中的每一個(gè)像素點(diǎn)的灰度與閾值作對(duì)比，之后將其歸類。多閾值圖像分割是一個(gè)模式識(shí)別歸類的過程。3.3 閾值選取原理對(duì)于多閾值分割中閾值的選取方法

5、非常的多，比如迭代法、最小誤差法、簡單統(tǒng)計(jì)法、分塊采樣法、閾值差值法、直方圖變換法、邊界點(diǎn)遞歸法、均衡對(duì)比度遞歸法、小波法、雙峰法、p分位數(shù)法、直方圖凹凸面分析法、適量保持法、模糊集方法、松弛法、水線閾值法、模擬退火算法、帶噪圖像多掃描法、勢函數(shù)聚類法、勢函數(shù)聚類自適應(yīng)法、模糊率自適應(yīng)法、歸一化自適應(yīng)法、直方圖統(tǒng)計(jì)模型自適應(yīng)法、正則割（nuct）、最大類間方差法(otsu法)、改進(jìn)pso算法的otsu法、分塊采樣遺傳算法法、遺傳算法二維熵法、遺傳算法模糊熵法、遞推遺傳模糊3-劃分熵法、熵約束快速fcm法、最大熵法、快速最大熵法、遞推人工蜂群的模糊劃分熵法、量子粒子群優(yōu)化最小交叉熵法、粒子群優(yōu)化

6、法、混沌粒子群法、nw小世界鄰居粒子群法、風(fēng)諾依曼鄰居粒子群法、加權(quán)模糊c均值聚類統(tǒng)計(jì)檢驗(yàn)指導(dǎo)法等。這里就不一一進(jìn)行詳細(xì)介紹。只介紹其中比較經(jīng)典的最大類間方差(ostu)法。最大類間方差法本身是用于單閾值分割。其原理是通過設(shè)定閾值進(jìn)行分割，使分割出來的兩個(gè)類之間方差最大。這里用于多與子分割，設(shè)定圖像X中存在m個(gè)帶區(qū)分的類，那么有m-1個(gè)閾值k1, kn, ,km-1用來將圖像分為m個(gè)類。這些類分別表示為C0=0,1,k1,Cn= kn+1, kn+2,kn+1, Cn= km+1, km+2,L-1,將類間方差定義為其中使得取得最大值的一組閾值就是所要求的最優(yōu)閾值。關(guān)于最有預(yù)知個(gè)數(shù)的確定，這里

7、使用一個(gè)分離因素作為結(jié)束圖像分割的判斷條件，通過對(duì)它的操作來完成對(duì)最優(yōu)閾值個(gè)數(shù)的確定。定義為式中：圖像的總方差。SF的值用來度量已存在的類之間分離性，它的值越大則說明這些類之間的分離性越強(qiáng)。SF的取值范圍為01，當(dāng)SF趨向于1時(shí)，圖像中的類就被完全的分離出來，即類間方差也取得最大值。這樣圖像中的類的個(gè)數(shù)已及分割閾值的個(gè)數(shù)就可以自適應(yīng)的確定出來。當(dāng)SF不滿足結(jié)束條件時(shí)，在已經(jīng)存在的類中選擇一個(gè)類內(nèi)方差最大的一個(gè)類作為下一個(gè)要使用局部Otsu法的類進(jìn)行下一步的分割運(yùn)算。實(shí)現(xiàn)方法也非常簡單：首先使用Otsu算法對(duì)圖像進(jìn)行分類，計(jì)算出該次分類的最大類間方差和SF的值，如果SF的值滿足一定的結(jié)束條件，那

8、么就退出該算法。否則，就在已存在的類中找到具有最大類內(nèi)方差的那個(gè)類，將它作為下一個(gè)要分割的類。對(duì)這個(gè)類使用局部Otsu算法分割出新的類，然后重新計(jì)算最大類間方差和SF的值直到SF滿足結(jié)束條件為止。具體的實(shí)現(xiàn)步驟如下：(1)初始條件：q=0,SF=0,計(jì)算。其中,q代表圖像中已經(jīng)存在的分類,SF代表循環(huán)的結(jié)束條件。(2)判斷SF值是否滿足判斷條件，不滿足就執(zhí)行(3)，否則退出循環(huán)，轉(zhuǎn)到(6)。(3)對(duì)圖像中已經(jīng)存在的q個(gè)不同的類，求出每個(gè)類的類內(nèi)方差。找到那個(gè)類內(nèi)方差最大的那個(gè)類。(4)對(duì)類內(nèi)方差最大的那個(gè)類，使用局部Otsu方法，使之分為新的兩個(gè)類，在己存在的閾值基礎(chǔ)上加入新的分割閾值。(5)

9、重新計(jì)算v，對(duì)sF進(jìn)行新的賦值。轉(zhuǎn)到(2)。(6)根據(jù)得到的區(qū)分類的一組最優(yōu)閾值，對(duì)圖像進(jìn)行處理。從這一組最優(yōu)閾值中取出需要的閩值，把這些閾值區(qū)間的目標(biāo)分割出來。還有值得注意的一點(diǎn)是，由于在圖像中的不同分割目標(biāo)之間存在灰度交叉的情況，即在不同的分割目標(biāo)中可能具有相同灰度的情況，這就使得不能更好的區(qū)分所需的目標(biāo)對(duì)象，因此需要對(duì)分割后的圖像進(jìn)行進(jìn)一步的分類處理。4. 多閾值分割的應(yīng)用閾值分割是眾多圖像處理中往往優(yōu)先完成的一步，所以算上之后的圖像處理，可以說很多圖像處理都是在閾值分割之后完成，他們的應(yīng)用也都離不開閾值分割。比如，在紅外技術(shù)應(yīng)用中，紅外無損檢測中紅外熱圖像的分割，紅外成像跟蹤系統(tǒng)中目標(biāo)的分割；在遙感應(yīng)用中，合成孔徑雷達(dá)圖像中目標(biāo)的分割等；在醫(yī)學(xué)應(yīng)用中，血液細(xì)胞圖像的分割，磁共振圖像的分割；在農(nóng)業(yè)工程應(yīng)用中，水果品質(zhì)無損檢測過程中水果圖像與