图像的阈值分割技术

图像的阈值分割技术内容摘要：

时就要引入自适应阈值，一个在图像中某一区域效果良好的阈值在其他区域却可能效果很差。 在这种情况下，需要把灰度阈值取成一个随图像中位置缓慢变化的函数值，即为自适应阈值。 这类算法的时间复杂度和空间复杂度比较大，但是抗噪声的能力比较强，对采用全局阈值不容易分割的图像有较好的效果。 这种方法的关键问题是如何将图像进行细分和如何为得到子图像估计门限值。 由于用于每个像素 的门限取决于像素在子图像中的位置，这类门限处理是自适应的。 3 最佳阈值的选择 除非图像中的物体有陡峭的边沿，否则灰度阈值的取值对所抽取物体的边界的定位和整体的尺寸有很大的影响。 这意味着后续的尺寸（特别是面积）的测量对于灰度阈值的选择很敏感。 由于这个原因，我们需要一个最佳的，或至少是具有一致性的方法确定阈值。 直方图技术 先作出图像的灰度直方图，若其直方图呈双峰且有明显的谷底，则可以将谷底点所对应的灰度值作为阈值 T，然后根据该阈值进行分割就可以将目标从图像中分割出来。 这种方法适用于目标和背景的灰度差 较大，直方图有明显谷底的情况。 图 31 生成直方图后可以看到，图像有明显的双峰。 两个峰尖对应于物体内部和外部较多数目的点。 两峰之间的谷对应于物体边缘附近相对较少数目的点。 所以可以取谷底对应的灰度值作为阈值。 MATLAB 程序如下： a=imread(39。 39。 )。 武汉理工大学专业综合课程设计说明书 5 imshow(a) figure。 imhist(a) MATLAB 图象处理工具箱提供了 imhist 函数来计算和显示图象的直方图。 其中 imhist(I,n)计算和显示灰度图象 I 的直方图， n 为指定的灰度级数目，默认值为 256。 （ a） 原图 （ b）直方图 图 31 生成直方图 最大类间方差法（ OTSU） 最大类间方差法又称为 OTSU 算法，该算法是在灰度直方图的基础上用最小二乘法原理推导出来的，具有统计意义上的最佳分割阈值。 它的基本原理是以最佳阈值将图像的灰度直方图分割成两部分，使两部分的方差取最大值，即分离性最大。 设 X 是一幅具有 L 级灰度级的图像，其中第 i 级像素为 iN 个，其中 i 的值在 0~L1 之 间，图像的总像素点个数为： 第 i 级出现的概率为： NNP ii  10Li iNN武汉理工大学专业综合课程设计说明书 6 在 OTSU 算法中，以阈值 k 将所有的像素分为目标 0C 和背景 1C 两类。 其中，0C 类的像素灰度级为 0~k1， 1C 类的像素灰度级为 k~L1。 图像的总平均灰度级为： 0C类像素所占面积的比例为： 1C 类像素所占面积的比例为：    1 0C类像素的平均灰度为：    /)()( kk 1C 类像素的平均灰度为：    /)()( kk 其。