圖像閾值分割

1、圖像分割圖像分割主要內(nèi)容 一 圖像分割概述 二 閾值分割 三 邊緣檢測(cè) 四 區(qū)域分割一、圖像分割概述 圖像分割是指通過某種方法，使得畫 面場(chǎng)景中的目標(biāo)物被分為不同的類別。 通常圖像分割的實(shí)現(xiàn)方法是，將圖像 分為“黑”、“白”兩類，這兩類分別代 表了兩個(gè)不同的對(duì)象。 因?yàn)榻Y(jié)果圖像為二值圖像，所以通常 又稱圖像分割為圖像的二值化處理。 圖像分割是比較困難的事情，原因是畫面中的場(chǎng)景通常是復(fù)雜的，要找出兩個(gè)模式特征的差異，并且可以對(duì)該差異進(jìn)行數(shù)學(xué)描述都是比較難的。1.圖像分割的定義 令集合R代表整個(gè)圖像區(qū)域，對(duì)R的分割可看作將R分成N個(gè)滿足以下五個(gè)條件的非空子集（子區(qū)域）R1，R2，RN： ；對(duì)所有的

2、i和j，ij，有RiRj =；對(duì)i = 1,2,N，有P(Ri) = TRUE；對(duì)ij,有P(RiRj) = FALSE；對(duì)i =1,2,N，Ri是連通的區(qū)域。其中P(Ri)是對(duì)所有在集合Ri中元素的邏輯謂詞,代表空集。RRNii12.圖像分割的目的 把圖像分解成構(gòu)成它的部件和對(duì)象； 有選擇性地定位感興趣對(duì)象在圖像中的位置和范圍。 圖像分割引言 從簡到難，逐級(jí)分割 控制背景環(huán)境，降低分割難度 注意力集中在感興趣的對(duì)象，縮小不相干圖像成分的干擾。 圖像分割引言3.圖像分割的基本思路提取輪廓車牌定位車牌識(shí)別 圖像分割引言4.圖像分割的基本策略： 把像素按灰度劃分到各個(gè)物體對(duì)應(yīng)的 區(qū)域中去； 確定存

3、在于區(qū)域間的邊界； 先確定邊緣像素點(diǎn)，然后將它們連接起來 構(gòu)成所需的邊界；區(qū)域：像素的連通集連通準(zhǔn)則： 4-連通 8-連通二、閾值分割 2.0 閾值分割簡述 2.1 類間方差閾值分割 2.2 最大熵閾值分割 2.3 直方圖閾值分割 2.4 模糊閾值分割 圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像中要提取的目標(biāo)物與其背景在灰度特性上的差異，把圖像視為具有不同灰度級(jí)的兩類區(qū)域(目標(biāo)和背景)的組合，選取一個(gè)合適的閾值，以確定圖像中每個(gè)象素點(diǎn)應(yīng)該屬于目標(biāo)還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像。 閾值分割法的特點(diǎn)是：適用于物體與背景有較強(qiáng)對(duì)比的情況，重要的是背景或物體的灰度比較單一；而且總可以得到封閉

4、且連通區(qū)域的邊界。 2.0.1圖像二值化 設(shè)原始圖像f(x,y)，以一定的準(zhǔn)則在f(x,y)中找出一個(gè)合適的灰度值，作為閾值t，則分割后的圖像g(x,y)，可由下式表示：g(x,y)=1 f(x,y)t0 f(x,y)t或或2.0閾值分割簡述 另外，還可以將閾值設(shè)置為一個(gè)灰度范圍t1,t2，凡是灰度在范圍內(nèi)的象素都變?yōu)?，否則皆變?yōu)?，即g(x,y)=1 t1f(x,y)t20 其它其它 某種特殊情況下，高于閾值t的象素保持原灰度級(jí)，其它象素都變?yōu)?，稱為半閾值法，分割后的圖像可表示為：g(x,y)=f(x,y) f(x,y)t0 其它其它閾值分割圖像的基本原理，可用下式表示：g(x,y)=Z

5、E f(x,y)ZZB 其它其它閾值閾值 閾值的選取時(shí)閾值分割技術(shù)得關(guān)鍵，如果過高，則過多的目標(biāo)點(diǎn)被誤歸為背景；如果閾值過低，則會(huì)出現(xiàn)相反的情況。由此可見，閾值化分割算法主要有兩個(gè)步驟： 1) 確定需要的分割閾值；2) 將分割閾值與象素值比較以劃分象素。 在利用閾值方法來分割灰度圖像時(shí)一般都對(duì)圖像有一定的假設(shè)?；谝欢ǖ膱D像模型的。最常用的模型： 假設(shè)圖像由具有單峰灰度分布的目標(biāo)和背景組成，處于目標(biāo)或背景內(nèi)部相鄰象素間的灰度值是高度相關(guān)的，但處于目標(biāo)和背景交界處兩邊的象素在灰度值上有很大的差別。 如果一幅圖像滿足這些條件，它的灰度直方圖基本上可看作是由分別對(duì)應(yīng)目標(biāo)和背景的兩個(gè)單峰直方圖混合構(gòu)成

6、的。2.0.22.0.2最佳閾值最佳閾值 所謂最佳閾值最佳閾值是指圖像中目標(biāo)物與背景的分割錯(cuò)誤最小的閾值。設(shè)某一圖像只由目標(biāo)物和背景組成，已知其灰度級(jí)分布概率密度分別為P1(Z)和P2(Z),目標(biāo)物體象素占全圖象素比為，因此該圖像總的灰度級(jí)概率密度分布P(Z)可用下式表示： P(Z)= P1(Z)+ (1)P2(Z) 設(shè)選用的灰度級(jí)門限為Zt，圖像由亮背景上的暗物體所組成，因此凡是灰度級(jí)小于Zt的象素被認(rèn)為是目標(biāo)物，大于Zt的象素皆作為背景。 一般的圖像很難獲得灰度的概率密度函數(shù)以及先驗(yàn)概率，在一些特殊的應(yīng)用場(chǎng)合，如文字、樂譜等圖像，可以從大量圖像得到一個(gè)統(tǒng)計(jì)規(guī)律，獲得符號(hào)部分在全圖像中的百分

7、比，以此為基礎(chǔ)，結(jié)合直方圖谷點(diǎn)分析，可以得到近似最優(yōu) 的結(jié)果若選為Zt分割門限，則將背景象素錯(cuò)認(rèn)為是目標(biāo)象素的概率是： 將目標(biāo)物象素錯(cuò)認(rèn)為是背景象素的概率是： 因此，總的錯(cuò)誤概率E(Zt)為 E(Zt)= (1)E2(Zt)+E1(Zt) 最佳門限就是使E(Zt)為最小值時(shí)的Zt，將E(Zt)對(duì)Zt求導(dǎo)，并令其等于零，得: (1)P2(Zt)P1(Zt)（滿足此等式的Zt為最優(yōu)閾值） 22dtZtEZP ZZ 11dttZEZP ZZ2.1 類間方差-OTSU OTSU算法也稱最大類間方差法，有時(shí)也稱之為大津算法，由大津于1979年提出，被認(rèn)為是圖像分割中閾值選取的最佳算法，計(jì)算簡單，不受圖像

8、亮度和對(duì)比度的影響，因此在數(shù)字圖像處理上得到了廣泛的應(yīng)用。它是按圖像的灰度特性,將圖像分成背景和前景兩部分。因方差是灰度分布均勻性的一種度量,背景和前景之間的類間方差越大,說明構(gòu)成圖像的兩部分的差別越大,當(dāng)部分前景錯(cuò)分為背景或部分背景錯(cuò)分為前景都會(huì)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(cuò)分概率最小。設(shè)灰度圖像灰度級(jí)是L，則灰度范圍為0,L-1，利用OTSU算法計(jì)算圖像的最佳閾值為：t = Maxw0(t) * (u0(t) - u)2 + w1(t) * (u1(t) - u)2) 其中的變量說明：當(dāng)分割的閾值為t時(shí) w0為背景像素點(diǎn)占整幅圖像的比例 u0為w0平均灰度 w1為前

9、景像素點(diǎn)占整幅圖像的比例 u1為w1平均灰度 u為整幅圖像的平均灰度 使以上表達(dá)式值最大的t，即為分割圖像的最佳閾值。2.2 最大熵閾值分割 一維最大熵法 熵是熵是從整個(gè)集合的統(tǒng)計(jì)特性從整個(gè)集合的統(tǒng)計(jì)特性來考慮的，它從來考慮的，它從平均意義上來表征信源的總體特征。平均意義上來表征信源的總體特征。 信息熵具有以下兩種物理含義信息熵具有以下兩種物理含義： 1、表示信源輸出前信源的平均不確定性、表示信源輸出前信源的平均不確定性 2、表示信源輸出后，每個(gè)符號(hào)所攜帶的平均、表示信源輸出后，每個(gè)符號(hào)所攜帶的平均信息量信息量11()log( )log( )( )qiiiiH XEP aP ap a 對(duì)于數(shù)字圖像，目標(biāo)區(qū)域和背景區(qū)域的熵分別定義為 H1(i)=-(sum(P1.*l