二维最大类间方差阈值分割的快速迭代算法.docVIP

　　二维最大类间方差阈值分割的快速迭代算法 【摘要】 传统的二维Otsu阈值分割算法采用穷举搜索法搜寻最佳阈值向量。与此不同，本文提出了一种二维最大类间方差阈值分割的快速迭代算法，用迭代的思想解决原始二维Otsu 方法 计算 复杂、实时性差的 问题 。文中导出了迭代算法的公式，给出了算法流程。实验结果表明，与二维Otsu原始算法及其他两种快速算法相比较，本文提出的二维Otsu快速迭代算法分割结果准确，实现简单，其运行时间仅为原始算法的0.4%左右，大大减少了计算量和存储空间，是一种快速有效且实时性好的图像阈值分割算法。 【关键词】 图像分割； 二维最大类间方差； Otsu阈值； 快速迭代 A fast iterative algorithm for image segmentation based on 2D maximum betation Science and Technology, Nanjing University of Aeronautics and Astronautics, Jiangsu Nanjing 210016, China） Abstract: The traditional tensional (2D) Otsu threshold algorithms for image segmentation alethod for the best thresholds. In this paper, a fast iterative algorithm based on 2D maximum betprove the performance and efficiency of the original 2D Otsu threshold algorithms. The iterative formula is deduced and the algorithm floental results sho has a good segmentation result pared to the original 2D Otsu algorithm and the other tethods. It can e ethod. Therefore, it is a fast and effective image segmentation algorithm e quality. Key age segmentation; 2D maximum bet,n)的像素点的灰度级f(m,n)为集合中的某一值，即f(m,n)∈Z。定义坐标(m,n)的像素点的邻域平均灰度级g(m,n)如下g(m,n) =1×N的图像f(m,n)，当采用［f(m,n),g(m,n)］的向量表示方式时，我们定义并计算其二维直方图。该二维直方图定义在一个L×L大小的正方形区域，其横坐标表示图像像素的灰度级，纵坐标表示像素的邻域平均灰度级。直方图任意一点的值定义为pij，它表示向量(i,j)发生的频率，这里向量(i,j)表示［f(m,n),g(m,n)］，且0≤i,j≤L－1。若用cij表示向量(i,j)发生的频数，那么向量(i,j)发生的频率pij由下式确定pij=cijM×N，(2)其中0≤i,j≤L－1，并且L－1i=0 L－1j=0pij=1。 若以二维向量(t,s)作为阈值来分割图像，t为像素灰度级阈值，s代表邻域平均灰度级阈值，则图像的二维直方图的定义域可被分为四个区域，如图1所示。假设图像的背景灰度级高于目标灰度级，则区域0和区域1中像素的灰度级与邻域平均灰度级基本接近，其分别对应于目标内部和背景内部，而区域2和区域3处像素的灰度级与邻域平均灰度级相差较大，对应目标和背景之间的边界像素和图像的噪声点分布。多数情况下，区域边界附近的像素数与整幅图像的像素数比较，数量很少，因此按照惯例可以假设区域2和区域3上的pij≈0。一般情况下pij≠0的统计值为：0.98～0.95。 图1 二维直方图的定义域 2 二维最大类间方差阈值选取的快速迭代算法 由于图像中像素灰度级和邻域平均灰度级二元组共有L2种可能的组合，从而使二维Otsu算法计算复杂度提高，实时性降低。本文提出的方法不采用原始的穷举搜寻法，而是将Reddi的一维最大类间方差阈值分割的快速迭代法推广到二维，即采用一种快速搜寻法来迭代得到可收敛的最佳阈值。假定二维灰度直方图为连续的概率密度函数p(x,y)。现把图像的像素按灰度用阈值t划分成目标类C0和背景类C1，即C0=［0,t］,C1=［t+1,L－1］，若用ω0，ω1分别表示目标类和背景类区域发生的概率分布，则ω0=Pr(C0)=∫t0∫L－10p(x,y)dxdy，(3) ω1=Pr(C1