基于otus法的圖像分割方法論文

基于Otsu法的圖像分割方法高偉平1101210040摘要：閾值分割是圖像分割技術(shù)中一類廣泛使用的方法， Otsu法是其典型代表。閾值化?？梢杂行Х指罹哂须p峰性質(zhì)的圖像。分割的目的就是要使類別之間的差別最大，類內(nèi)之間的差別最小，確定有意義的區(qū)域或分割物體的邊界。關(guān)鍵詞：圖像分割；Otsu0引言圖像分割完成將圖像中人們感興趣的區(qū)域（目標(biāo)或前景）從背景當(dāng)中分離出來。它是一種重要的圖像分析技術(shù)，是對圖像進(jìn)行視覺分析和模式識別的基礎(chǔ)，也是圖像處理領(lǐng)域中的經(jīng)典難題。圖像分割沒有一種通用的分割方法，也沒有一種用來判斷分割方法優(yōu)劣的客觀標(biāo)準(zhǔn)。圖像分割技術(shù)隨圖像應(yīng)用的發(fā)展而不斷發(fā)展，至今已有上千種圖像分割方法，但到目前為止閾值分割方法仍然是常用的圖像分割方法之一。閾值分割法是把圖像灰度分成不同的等級，然后用設(shè)置灰度門限值（閾值）的方法確定有意義的區(qū)域或分割物體的邊界。在眾多閾值分割算法中，最大方差閾值法是一種分割效果較好的算法。最大方差閾值也叫大津閾值（Otsu）,是1979年由日本的大津展之提出的，它是在差別與最小二乘法原理的基礎(chǔ)上推導(dǎo)出來的，可以取得較好的分割效果。1閾值分割閾值化是最常用一種圖像分割技術(shù)，其特點(diǎn)是操作簡單， 分割結(jié)果是一系列連續(xù)區(qū)域?；叶葓D像的閾值分割一般基于如下假設(shè)：圖像目標(biāo)或背景內(nèi)部的相鄰像素間的灰度值是高度相關(guān)的，目標(biāo)與背景之間的邊界兩側(cè)像素的灰度值差別很大，圖像目標(biāo)與背景的灰度分布都是單峰的。如要圖像目標(biāo)與背景對應(yīng)的兩個(gè)單峰大小接近、方差較小且均值相差較大，則該圖像的直方圖具有雙峰性質(zhì)。閾值化?？梢杂行Х指罹哂须p峰性質(zhì)的圖像【閾值分割的關(guān)鍵是如何確定適合的閾值，不同的閾值其處理結(jié)果差異很大，會影響特征測量與分析等后續(xù)過程。閾值過大，會過多地把背景像素錯(cuò)分為目標(biāo)；而閾值過小，又會過多地把目標(biāo)像素錯(cuò)分為背景。確定閾值的方法有多種，可分為不同類型。閾值分割法分為全局閾值法和局部閾值法兩種【2】。如果選取的閾值僅與各個(gè)像素的灰度有關(guān)，則稱其為全局閾值。如果選取的閾值與像素本身及其局部性質(zhì)（如鄰域的平均灰度值）有關(guān)，貝U稱其為局部閾值。如果選取的閾值不僅與局部性質(zhì)有關(guān)，還與像素的位置有關(guān)，則稱其為動(dòng)態(tài)閾值或自適應(yīng)閾值。當(dāng)圖像目標(biāo)和背景之間灰度對比較強(qiáng)時(shí)，閾值選取較為容易。實(shí)際上，由于不良的光照條件或過多的圖像噪聲的影響，目標(biāo)與背景之間的對比往往不夠明顯，此時(shí)閾值選取并不容易。一般需要對圖像進(jìn)行預(yù)處理，如圖像平滑去噪，再確定閾值進(jìn)行分割。1.1全局閾值當(dāng)圖像目標(biāo)與背景之間具有高對比度時(shí)，利用全局閾值可以成功地分割圖像。如點(diǎn)狀目標(biāo)與背景之間具有鮮明的對比，直方圖表現(xiàn)出雙峰性質(zhì)，左側(cè)峰對應(yīng)較暗的目標(biāo)，右側(cè)峰對應(yīng)較亮的背景，雙峰之間的波谷對應(yīng)目標(biāo)與背景之間的邊界。當(dāng)選擇雙峰之間的谷底點(diǎn)對應(yīng)的灰度值作為閾值時(shí)，便可以很好地將目標(biāo)從背景中分離出來。當(dāng)具有明顯的雙峰性質(zhì)時(shí)，可直接從直方圖的波谷處選取一個(gè)閾值，\)\)2也可以根據(jù)某個(gè)準(zhǔn)則自動(dòng)計(jì)算出閾值。2Otus分割方法簡介Otus屬于全局閾值法，Otus法是閾值化中常用的自動(dòng)確定閾值的方法之一。Otsu法確定最佳閾值的準(zhǔn)則是使閾值分割后各個(gè)像素類的類內(nèi)方差最小。另一種確定閾值的準(zhǔn)則是使得閾值分割后的像素類的類間方差最大。 這兩種準(zhǔn)則是等價(jià)的，因?yàn)轭愰g方差與類內(nèi)方差之和即整幅圖像的方差， 是一個(gè)常數(shù)。分割的目的就是要使類別之間的差別最大，類內(nèi)之間的差別最小。設(shè)圖像總像素?cái)?shù)為N，灰度級總數(shù)為L，灰度值為i的像素?cái)?shù)為Ni。令3(k)和u(k分別表示從灰度級0到灰度級k的像素的出現(xiàn)概率和平均灰度，分別表示為k(k)八i=0Ni

N(2-1)kJ(k)八i=0iNiN(2-2)由此可見，所有像素的總概率為 3(Ld)=1，圖像的平均灰度為尸卩(L1)。設(shè)有M-1個(gè)閾值(0Wtt2<-<tM-iWL)，將圖像分成M個(gè)像素類Cj(Cj€[tj-1+1，…，tj]; j=1，2，…，M; t0=0，tM=L-1)，則Cj的出現(xiàn)概率3、平均灰度(jj和方差q2為(2-3)由此可得類內(nèi)方差為各類的類間方差為lj2<1j1(tj)」(tj_J(tj)_(tj_1)tj、iij41(2-4)(2-5)-W(t1，t2， ，tM-1)(2-6)M"B(t1，t2， ，tM一1)八jCj-j=1(2-7)將使式(2-6)最小或使式(2-7)最大的閾值組(t1，t2，…，tM-1)作為M閾值化的最佳閾值組。若取M為2,即分割成2類，則可用上述方法求出二值化的最佳閾值。3應(yīng)用Otus進(jìn)行圖像分割處理下圖是一用于干涉原理進(jìn)行測試的干涉場圖像，使用 Otus法對其進(jìn)行分割圖一原始圖像對原始圖像進(jìn)行灰度直方圖處理如圖二所直方圖圖二灰度直方圖觀察灰度直方圖，灰度110處有谷，可以確定閾值T=100。

此圖的灰度值變化起伏明顯，灰度值分布有落差，目標(biāo)區(qū)的像素類間方差大。當(dāng)類間方差達(dá)到最大時(shí)，認(rèn)為目標(biāo)與背景的錯(cuò)分概率最小，方差越大說明圖像的兩部分差異就越大。經(jīng)典的Otsu方法只是將圖像分為目標(biāo)和背景兩大類。直方圖表現(xiàn)出雙峰性質(zhì)，左側(cè)峰對應(yīng)較暗的目標(biāo)，右側(cè)峰對應(yīng)較亮的背景，雙峰之間的波谷對應(yīng)目標(biāo)與背景之間的邊界。當(dāng)選擇雙峰之間的谷底點(diǎn)對應(yīng)的灰度值作為閾值時(shí)，便可以很好地將目標(biāo)從背景中分離出來。再對原始圖像進(jìn)行進(jìn)行Otus法分割如圖三所示。otsuotsu以下為附帶程序：I=imread('以下為附帶程序：I=imread('干涉.jpg');figure,imshow(I),title(L=rgb2gray(I);'figure,imshow(L);title(figure,imhist(L),title(T=110level=graythresh(L);確定灰度閾值BW=im2bw(l,level);figure,imshow(BW),title(圖三Otus法分割結(jié)果可以看出利用Otus法很好的將圖像分為目標(biāo)和背景