圖像閾值分割方法(基于閾值的圖像分割方法)
1.基于閾值的圖像分割方法有哪些
去百度文庫，查看完整內容>
內容來(lái)自用戶(hù)：天使小白很黑
第1章相關(guān)知識
1.1圖像分割的概述
在對圖像的研究和應用中，人們往往僅對圖像中的某些部分感興趣，這些部分稱(chēng)為目標或前景（其他部分稱(chēng)為背景>；，他們一般對應圖像中特定的、具有獨特性質(zhì)的區域。為了辨識和分析目標，需要將他們分離提取出來(lái)，在此基礎上才有可能對目標進(jìn)一步利用。圖像分割就是指把圖像分成格局特性的區域并提取出感興趣目標的技術(shù)和過(guò)程。這里特性可以是象素的灰度、顏色、紋理等，預先定義的目標可以對應單個(gè)區域，也可以對應多個(gè)區域。現有的圖像分割算法有：閾值分割、邊緣檢測和區域提取法。本文著(zhù)重研究基于閾值法的圖像分割技術(shù)。
所謂圖像分割是指根據灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個(gè)互不相交的區域，使得這些特征在同一區域內，表現出一致性或相似性，而在不同區域間表現出明顯的不同。簡(jiǎn)單的講，就是在一幅圖像中，把目標從背景中分離出來(lái)，以便于進(jìn)一步處理。圖像分割是圖像處理與計算機視覺(jué)領(lǐng)域低層次視覺(jué)中最為基礎和重要的領(lǐng)域之一，它是對圖像進(jìn)行視覺(jué)分析和模式識別的基本前提。同時(shí)它也是一個(gè)經(jīng)典難題，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀(guān)標準。
閾值法是一種傳統的圖像分割方法，因其實(shí)現簡(jiǎn)單、計算量小、性能較穩定而成為圖像分割中最基本和應用最廣泛的分割技術(shù)。已被應用于很多的領(lǐng)域，例如，在紅外技術(shù)應用中，紅外無(wú)損檢測中紅外熱圖像的分割，紅外成像跟蹤系統中目
2.基于閾值的圖像分割方法有哪些
主要是三類(lèi)1） 基于點(diǎn)的全局閾值方法；2） 基于區域的全局閾值方法3） 局部閾值方法和多閾值方法1）基于點(diǎn)的全局閾值方法p-分位數法1962年Doyle提出的p-分位數法是最古老的一種閾值選取方法迭代方法選取閾值初始閾值選取為圖像的平均灰度T0，然后用T0將圖像的象素點(diǎn)分作兩部分，計算兩部分各自的平均灰度，小于T0的部分為T(mén)A，大于T0的部分為T(mén)B，將T1 作為新的全局閾值代替T0，重復以上過(guò)程，如此迭代，直至TK 收斂直方圖凹面分析法最大類(lèi)間方差法熵方法最小誤差閾值矩量保持法模糊集方法2） 基于區域的全局閾值方法二維熵閾值分割方法簡(jiǎn)單統計法直方圖變化法松弛法3） 局部閾值方法和多閾值方法局部閾值（動(dòng)態(tài)閾值）閾值插值法水線(xiàn)閾值算法多閾值法 基于小波的多域值方法 基于邊界點(diǎn)的遞歸多域值方法 均衡對比度遞歸多域值方法。
3.圖像分割的分割方法
灰度閾值分割 法是一種最常用的并行區域技術(shù)，它是圖像分割中應用數量最多的一類(lèi)。
閾值分割方法實(shí)際上是輸入圖像f到輸出圖像g的如下變換：其中，T為閾值，對于物體的圖像元素g(i,j)=1，對于背景的圖像元素g(i,j)=0。由此可見(jiàn)，閾值分割算法的關(guān)鍵是確定閾值，如果能確定一個(gè)合適的閾值就可準確地將圖像分割開(kāi)來(lái)。
閾值確定后，將閾值與像素點(diǎn)的灰度值逐個(gè)進(jìn)行比較，而且像素分割可對各像素并行地進(jìn)行，分割的結果直接給出圖像區域。閾值分割的優(yōu)點(diǎn)是計算簡(jiǎn)單、運算效率較高、速度快。
在重視運算效率的應用場(chǎng)合（如用于硬件實(shí)現），它得到了廣泛應用。人們發(fā)展了各種各樣的閾值處理技術(shù)，包括全局閾值、自適應閾值、最佳閾值等等。
全局閾值是指整幅圖像使用同一個(gè)閾值做分割處理，適用于背景和前景有明顯對比的圖像。它是根據整幅圖像確定的：T=T(f)。
但是這種方法只考慮像素本身的灰度值，一般不考慮空間特征，因而對噪聲很敏感。常用的全局閾值選取方法有利用圖像灰度直方圖的峰谷法、最小誤差法、最大類(lèi)間方差法、最大熵自動(dòng)閾值法以及其它一些方法。
在許多情況下，物體和背景的對比度在圖像中的各處不是一樣的，這時(shí)很難用一個(gè)統一的閾值將物體與背景分開(kāi)。這時(shí)可以根據圖像的局部特征分別采用不同的閾值進(jìn)行分割。
實(shí)際處理時(shí)，需要按照具體問(wèn)題將圖像分成若干子區域分別選擇閾值，或者動(dòng)態(tài)地根據一定的鄰域范圍選擇每點(diǎn)處的閾值，進(jìn)行圖像分割。這時(shí)的閾值為自適應閾值。
閾值的選擇需要根據具體問(wèn)題來(lái)確定，一般通過(guò)實(shí)驗來(lái)確定。對于給定的圖像，可以通過(guò)分析直方圖的方法確定最佳的閾值，例如當直方圖明顯呈現雙峰情況時(shí)，可以選擇兩個(gè)峰值的中點(diǎn)作為最佳閾值。
圖1(a)和（b）分別為用全局閾值和自適應閾值對經(jīng)典的Lena圖像進(jìn)行分割的結果。 區域生長(cháng)和分裂合并法是兩種典型的串行區域技術(shù)，其分割過(guò)程后續步驟的處理要根據前面步驟的結果進(jìn)行判斷而確定。
區域生長(cháng) 區域生長(cháng)的基本思想是將具有相似性質(zhì)的像素集合起來(lái)構成區域。具體先對每個(gè)需要分割的區域找一個(gè)種子像素作為生長(cháng)的起點(diǎn)，然后將種子像素周?chē)徲蛑信c種子像素有相同或相似性質(zhì)的像素（根據某種事先確定的生長(cháng)或相似準則來(lái)判定）合并到種子像素所在的區域中。
將這些新像素當作新的種子像素繼續進(jìn)行上面的過(guò)程，直到再沒(méi)有滿(mǎn)足條件的像素可被包括進(jìn)來(lái)。這樣一個(gè)區域就長(cháng)成了。
區域生長(cháng)需要選擇一組能正確代表所需區域的種子像素，確定在生長(cháng)過(guò)程中的相似性準則，制定讓生長(cháng)停止的條件或準則。相似性準則可以是灰度級、彩色、紋理、梯度等特性。
選取的種子像素可以是單個(gè)像素，也可以是包含若干個(gè)像素的小區域。大部分區域生長(cháng)準則使用圖像的局部性質(zhì)。
生長(cháng)準則可根據不同原則制定，而使用不同的生長(cháng)準則會(huì )影響區域生長(cháng)的過(guò)程。區域生長(cháng)法的優(yōu)點(diǎn)是計算簡(jiǎn)單，對于較均勻的連通目標有較好的分割效果。
它的缺點(diǎn)是需要人為確定種子點(diǎn)，對噪聲敏感，可能導致區域內有空洞。另外，它是一種串行算法，當目標較大時(shí)，分割速度較慢，因此在設計算法時(shí)，要盡量提高效率。
區域分裂合并 區域生長(cháng)是從某個(gè)或者某些像素點(diǎn)出發(fā)，最后得到整個(gè)區域，進(jìn)而實(shí)現目標提取。分裂合并差不多是區域生長(cháng)的逆過(guò)程：從整個(gè)圖像出發(fā)，不斷分裂得到各個(gè)子區域，然后再把前景區域合并，實(shí)現目標提取。
分裂合并的假設是對于一幅圖像，前景區域由一些相互連通的像素組成的，因此，如果把一幅圖像分裂到像素級，那么就可以判定該像素是否為前景像素。當所有像素點(diǎn)或者子區域完成判斷以后，把前景區域或者像素合并就可得到前景目標。
在這類(lèi)方法中，最常用的方法是四叉樹(shù)分解法（如圖3所示）。設R代表整個(gè)正方形圖像區域，P代表邏輯謂詞。
基本分裂合并算法步驟如下：（1）對任一個(gè)區域，如果H(Ri)=FALSE就將其分裂成不重疊的四等份；（2）對相鄰的兩個(gè)區域Ri和Rj，它們也可以大小不同（即不在同一層），如果條件H(Ri∪Rj)=TRUE滿(mǎn)足，就將它們合并起來(lái)。（3）如果進(jìn)一步的分裂或合并都不可能，則結束。
分裂合并法的關(guān)鍵是分裂合并準則的設計。這種方法對復雜圖像的分割效果較好，但算法較復雜，計算量大，分裂還可能破壞區域的邊界。
圖像分割的一種重要途徑是通過(guò)邊緣檢測，即檢測灰度級或者結構具有突變的地方，表明一個(gè)區域的終結，也是另一個(gè)區域開(kāi)始的地方。這種不連續性稱(chēng)為邊緣。
不同的圖像灰度不同，邊界處一般有明顯的邊緣，利用此特征可以分割圖像。圖像中邊緣處像素的灰度值不連續，這種不連續性可通過(guò)求導數來(lái)檢測到。
對于階躍狀邊緣，其位置對應一階導數的極值點(diǎn)，對應二階導數的過(guò)零點(diǎn)（零交叉點(diǎn)）。因此常用微分算子進(jìn)行邊緣檢測。
常用的一階微分算子有Roberts算子、Prewitt算子和Sobel算子，二階微分算子有Laplace算子和Kirsh算子等。在實(shí)際中各種微分算子常用小區域模板來(lái)表示，微分運算是利用模板和圖像卷積來(lái)實(shí)現。
這些算子對噪聲敏感，只適合于噪聲較小不太復雜的圖像。由于邊緣和噪聲都是灰度不連續點(diǎn)，在頻域均為高頻分量，直接采用微分運算難以克服噪聲的影響。
4.幾種圖像閾值分割算法的實(shí)現與比較
摘要：圖像分割是進(jìn)行圖像分析的關(guān)鍵步驟，也是進(jìn)一步理解圖像的基礎。
該文主要論述了常用的幾種圖像閾值分割的算法及原理，并以研究瀝青混合料的集料特征為背景，從實(shí)驗角度對圖像閾值分割的直方圖閾值法、迭代法和大津法進(jìn)行了分析比較，得出了結論。關(guān)鍵詞：圖像分割；直方圖閾值法；迭代法；大津法中圖分類(lèi)號：TP391 文獻標識碼：A文章編號：1009-3044(2011)13-3109-03Achieve and Comparison of Image Segmentation Thresholding MethodCHEN Ning-ning(Department of Technology, Xi'an International University, Xi'an 710077, China)Abstract: Image segmentation is a key step for image analysis, Is also the basis for further understanding of the image. In this paper, discusses several commonly used image segmentation algorithms and theory, and to study the aggregate asphalt mixture characteristics of the background, experimental results are shown to compare histogram threshold, Iteration method and the Otsu.Key words: image segmentation; histogram threshold; iteration method; Otsu1 概述圖像分割是進(jìn)行圖像分析的關(guān)鍵步驟，也是進(jìn)一步理解圖像的基礎。
5.2.直方圖閾值化方法進(jìn)行圖像分割的適用范圍是什么
常用方法有： 1） 以區域為對象進(jìn)行分割，以相似性原則作為分割的依據，即可根據圖像的灰度、色彩、變換關(guān)系等方面的特征相似來(lái)劃分圖像的子區域，并將各像素劃歸到相應物體或區域的像素聚類(lèi)方法，即區域法； 2） 以物體邊界為對象進(jìn)行分割，通過(guò)直接確定區域間的邊界來(lái)實(shí)現分割； 3） 先檢測邊緣像素，再將邊緣像素連接起來(lái)構成邊界形成分割。
具體的閾值分割： 閾值分割方法分為以下3類(lèi)： 1） 全局閾值：T=T[p(x,y)〕，即僅根據f(x,y)來(lái)選取閾值，閾值僅與各個(gè)圖像像素的本身性質(zhì)有關(guān)。 2） 局部閾值：T=T[f(x,y),p(x,y)]，閾值與圖像像素的本身性質(zhì)和局部區域性質(zhì)相關(guān)。
3） 動(dòng)態(tài)閾值：T=T[x,y,f(x,y),p(x,y)]，閾值與像素坐標，圖像像素的本身性質(zhì)和局部區域性質(zhì)相關(guān)。 全局閾值對整幅圖像僅設置一個(gè)分割閾值，通常在圖像不太復雜、灰度分布較集中的情況下采用；局部閾值則將圖像劃分為若干個(gè)子圖像，并對每個(gè)子圖像設定局部閾值；動(dòng)態(tài)閾值是根據空間信息和灰度信息確定。
局部閾值分割法雖然能改善分割效果，但存在幾個(gè)缺點(diǎn)： 1） 每幅子圖像的尺寸不能太小，否則統計出的結果無(wú)意義。 2） 每幅圖像的分割是任意的，如果有一幅子圖像正好落在目標區域或背景區域，而根據統計結果對其進(jìn)行分割，也許會(huì )產(chǎn)生更差的結果。
3） 局部閾值法對每一幅子圖像都要進(jìn)行統計，速度慢，難以適應實(shí)時(shí)性的要求。 全局閾值分割方法在圖像處理中應用比較多，它在整幅圖像內采用固定的閾值分割圖像。
考慮到全局閾值分割方法應用的廣泛性，本文所著(zhù)重討論的就是全局閾值分割方法中的直方圖雙峰法和基于遺傳算法的最大類(lèi)間方差法。在本節中，將重點(diǎn)討論灰度直方圖雙峰法，最大類(lèi)間方差法以及基于遺傳算法的最大類(lèi)間方差法留待下章做繼續深入地討論。
6.閾值分割的概述
圖像閾值化分割是一種傳統的最常用的圖像分割方法，因其實(shí)現簡(jiǎn)單、計算量小、性能較穩定而成為圖像分割中最基本和應用最廣泛的分割技術(shù)。它特別適用于目標和背景占據不同灰度級范圍的圖像。它不僅可以極大的壓縮數據量，而且也大大簡(jiǎn)化了分析和處理步驟，因此在很多情況下，是進(jìn)行圖像分析、特征提取與模式識別之前的必要的圖像預處理過(guò)程。圖像閾值化的目的是要按照灰度級，對像素集合進(jìn)行一個(gè)劃分，得到的每個(gè)子集形成一個(gè)與現實(shí)景物相對應的區域，各個(gè)區域內部具有一致的屬性，而相鄰區域不具有這種一致屬性。這樣的劃分可以通過(guò)從灰度級出發(fā)選取一個(gè)或多個(gè)閾值來(lái)實(shí)現。
基本原理是：通過(guò)設定不同的特征閾值，把圖像象素點(diǎn)分為若干類(lèi)。
常用的特征包括：直接來(lái)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。
設原始圖像為f(x,y)，按照一定的準則f(x,y)中找到特征值T，將圖像分割為兩個(gè)部分，分割后的圖像為：
若取：b0=0（黑），b1=1（白），即為我們通常所說(shuō)的圖像二值化。
