一种基于灰度直方图阈值分割算法探究.doc

一种基于灰度直方图阈值分割算法探究 　　摘要：采用合理的图像增强和图像分割技术，可以帮助人们辨识出原始图像中肉眼无法识别的目标物。模型算法主要通过对目标物的颜色特征的统计分析，可以实现对卫星图像中目标物的识别分割。现在已经出现了许多图像分割算法，可以用于各种用途。本文基于灰度直方图的阈值分割法进行目标物的分割，从算例结果看出，该算法计算简单，分割效果较好，具有一定的实际应用价值，可为相关图像处理工作提供借鉴 关键词：图像增强 图像分割 灰度直方图 阈值 中图分类号：TP37 文献标识码：A 文章编号：1007-9416（2016）10-0131-01 1 引言 数字图像是获取、表达和传递信息的重要手段之一。虽然人眼具有很高的识别能力，可辨认出原始图像中的上千种颜色、各种不同物体的轮廓和形态。但由于人眼的生理限制或目标物体本身的一些特性，有时难以对图像中特定目标物进行准确识别。因此，需要采用合理的图像增强和图像分割技术来辅助识别 计算机表示和存储图像时，可用二维数组来表示数字图像，数组的每个元素被称为像素，像素的计数值又被称为灰度值[1]。数字图像可以分为二值图像、索引图像、灰度图像和真彩色图像等几种基本类型。当图像的色彩比较复杂时，常使用彩色图像来表示。每个像素用红（R）、绿（G）、蓝（B）三个通道的值来分别表示。单个通道中每个像素点的值的取值为0～255。0表示黑色，255表示白色，中间从小到大的数值分别表示由黑到白的过渡灰度[2]。灰度直方图反映的是就是图像灰度和该灰度出现概率之间的关系 本文首先针对原始数字图像进行灰度等级直方图处理，然后通过直方图均衡化使其在某一灰度范围内有更好的对比度；接着分析目标物（被分割对象）和背景（下垫面）的颜色特征，统计比较目标物与背景的阈值；最后建立阈值分割算法，从而实现对目标物的识别[3] 2 算法模型 步骤I：原始图像的灰度直方图处理 设变量r代表图像中像素点的灰度值，并进行归一化处理，将其归一化到[0，1]范围之内。由于图像中每个像素的灰度取值可能是任意的，即r是一个随机变量，原始图像的灰度分布可用概率分布函数p（rk）来表示[2]： 其中，rk是第k个灰度等级，nk是在rk灰度等级的像素数，N是图像中像素总数，L为图像的灰度值。在笛卡尔坐标系中这种关系图即表现为原始图像的灰度直方图 步骤II：灰度直方图均衡化的图像增强处理 为增加原始图像的对比度，可通过直方图均衡化处理，使图像细节更清晰，提高目标物的识别度。直方图均衡化的主要思想是对图中像素个数多的灰度等级进行拉伸，而对像素个数少的灰度等级进行压缩，动态拓展原始图像灰度等级的范围，增加对比度和灰度色调，达到使图像更清晰的目的 通过累积分布函数（Cumulative Distribution Function，CDF）可实现图像的原始灰度分布与增强后的灰度值的转换： 上述2-2式的求和区间为0到k 通过上述公式，可将原始图像的灰度值rk直方图均衡化转换为Sk，完成图像增强处理 步骤III：分析目标物和背景的特征（特征向量），使用阈值法进行图像分割，实现目标物识别 设C（R，G，B）为物体在彩色图像中的任意一点，则对应的RGB三个通道特征向量为： 式中是RGB三通道灰度值的平均值，?c图像的亮度成正比，是图像的亮度特征 统计得到不同目标物体的颜色特征向量： 通过判断比较目标物体的颜色特征与阈值的大小，即可实现对目标物的分割 3 算例实验 针对样例卫星数据。首先对原始的单通道数据值进行读取和转换，进行原始图像的灰度直方图处理。通过反色及灰度直方图均衡化，对原始图像进行增强处理；然后进行RGB通道组合构成真彩色图像；对图像中的任意像素点构建RGB特征向量，比较与阈值的大小，实现对目标物（云）的图像分割（图略）。通过对连续一个月的数据检验，本文的算法在白天对目标物（云）和背景（晴空）的进行了比较理想的分割，准确率可达80%以上，分割效果较好 4 结语 综上看出，本文所提出的模型算法主要通过对目标物的颜色特征的统计分析，可以实现对卫星图像中目标物的识别分割。现在已经出现了许多图像分割算法，可以用于各种用途。但是，对于图像分割的问题仍然没有统一的解决方案，这一技术和相关领域知识往往要紧密结合，从而为更有效的解决图像分割领域。通过各种新理论和新技术结合，图像分割方法将不断取得突破和进展，分割结果更加高效、精确 参考文献 [1]陈炳权，刘宏立，孟凡斌.数字图像处理技术的现状及其发展方向[J].吉首大学学报（自然科学版），2009.1：63-65. [2]万玲，马兴.数字图像处理的方法与应用[J].科技信息，2010.23