图像自适应阈值分割.ppt

图像自适应阈值分割,2,图像分割,图像分割指图像分成各具特性的区域并提取出感兴趣目标的技术和过程，它是由图像处理到图像分析的关键步骤，在图像分割的基础上才能对目标进行特征提取和参数测量。分割算法有阈值法、边界探测法和匹配法等。近年来，出现了很多种阈值选取法，其中最大类间方差法是最常用的。该方法用于普通图像时，可以获得良好的分割效果，但是应用于复杂背景的图像时，不能将目标从背景中分割出来，这是一种自适应阈值分割方法。,灰度图像自适应阈值分割OTSU算法,OTSU算法也称最大类间方差法，有时也称之为大津算法，被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。,它是按图像的灰度特性,将图像分成背景和前景两部分。背景和前景之间的类间方差越大,说明构成图像的两部分的差别越大,当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。即OTSU算法以最佳门限将图像灰度直方图分割成两部分，使两部分类间方差取最大值，即分离性最大。,4,1、计算直方图并归一化histogram可以得到图像灰度级1M，第i级像素个，总像素数为N，则第i级灰度出现的概率为2、计算图像灰度均值,OTSU算法步骤：,5,3、计算直方图的零阶wi和一级距ui,OTSU算法步骤：,对一级矩作以下处理：,4、计算并找到最大的类间方差对应此最大方差的灰度值即为要找的阈值5、用找到的阈值二值化图像,OTSU算法步骤：,类间方差：,即：,k从1M变化，是类间方差最大的k即为所求之最佳门限。,7,实验结果与原图对比,彩色图像自适应阈值分割算法：三维空间LEGION方法,1、阈值的确定,Rr表示当前像素红色分量的阈值Rg表示当前像素绿色分量的阈值Rb表示当前像素蓝色分量的阈值,p1表示当前像素，p1(r)代表当前像素的红色分量，Rmax是当前图像中红色分量最大值，Wmin,Wmax是用户选取的最小和最大权值范围。,9,如果两个像素p1和p2满足：,其中,我们就认为p1和p2是属于同一个区域中的。,算法详细过程,1、初始化：所有的像素都未作标记。2、确定种子点并进行扩充图像中，如果某个像素点未标记，并且它邻域内与它相似点的个数大于A(某个给定的值)，我们就把当前的标记赋给它，以它为标准，扩充区域，就会给那些该种子点沿某条路径可以到达且未做标记的相似像素作上标记。当前标记+1，寻找下个种子点，进行扩充。如此一直循环到所有像素点都经过扫描。3、将所有未被标记的像素标记为-1（背景点）。,11,在该算法中，各种阈值的设定是非常重要的，进行模板选择时，我们可以选择十字型（4邻域）、3*3（8邻域）、5*5（24邻域）；这样A的值就能确定，它一般是邻域数的三分之二。因为图像中的噪声多为孤立点（组），模板数和A越大，则在这些点中越难以产生种子点，所以一定程度上邻域数和A起到了一定滤波的作用,能够将小区域和非目标区域去掉。,