图像阈值自动选取算法的C＋＋实现.pdfVIP

第23卷第4期 四川理工学院学报(自然科学版) Vo1．23 No．4 2010年8月 JournalofSichuanUniversityofScienceEngineering(NaturalScienceEdition) Aug．2010 文章编号：1673—1549(2010)04-0420-03 图像阈值 自动选取算法的C++实现 魏正曦 (四川理工学院计算机学院，四川 自贡 643000) 摘 要：图像分割是运动 目标检测与跟踪技术必须要解决的问题，在很多时候它涉及到图像阈值的 选取。文章采用的算法首先计算图像 中不同区域的灰度均值，结合最小差值条件，反复修订由计算所得 的阈值，从而达到 自动选优的目的。在此基础上，文章进一步给出了用c++语言实现算法的关键代码。 测试表明此方法选择阈值简便实用，图像的二值化效果 良好。 关键词：图像分割；闽值；算法；智能监控 中图分类号：TP39l 文献标识码 ：A 使得灰度值在 [a，T]区间和 [T，b]区间的区域分别代表 引 言 不同的类型。阈值图像分割的实质就是利用图像的灰 智能视频监控系统由于能够实现主动监控、大大减 度信息，得到用于分割的阈值 ，以阈值为边界区分背景 轻职守人员的工作效率从而代表了视频监控系统的发 和 目标。 展方向。运动 目标的检测与跟踪是系统能否具有智能 基于图像阈值的应用较多，比如 目标检测的经典算 功能的关键技术，它涉及到数字图像的获取、处理和分 法——相邻帧差法，它将当前帧图像和前一帧图像相 析等工作过程，是视频监控系统后续更高层次设计的工 减，得到运动的目标。算法中确定帧间像素是否为 目标 作基础，是智能视频监控系统研究和开发工作的必经之 点的依据是用阈值，即两个对应像素灰度的差值大于某 路。 个阈值，则变化区域判定为运动 目标，反之判定为背景。 一 般说来，智能视频系统对数字图像的处理离不开 实际上，阈值选取的算法多种多样，比如最小误差 图像分割技术，其作用是把反映物体真实的、占据不同 法、人工选择法等等，这些算法都是针对某种实际应用 区域位置的、具有不同特征的区分开来，形成数字特征。 而采取的阈值选取办法。由于算法本身要么需要知道 譬如，视频中的运动 目标和图像背景属于两个不同类型 图像的先验概率密度，计算复杂；要么需要人工参与，影 的区域，前者是被系统检测和跟踪的对象，而后者是被 响算法的执行速度。因此，本文拟使用一种阈值 自动选 需要过滤的对象，可由某种图像分割算法将它们区别开 取、自优化结果的算法，用c++语言来编码，以实现图像 来。分割质量的好坏不仅能反映 目标检测的效果，而且 快速、实用的二值化 (用黑 白两色区分出 目标和背景两 它还是下一步进行 目标跟踪的基础，迄今为止，图像分 个不同区域)，为后续的 目标跟踪、图像理解等工作提供 割仍然是图像分析和计算机视觉领域中的经典难题。 有力的支持。 算法的基本思想如下。 1 问题描述 (a)选择图像灰度的最大值 Max、最小值 Min二者 基于阈值的图像分割方法是一种简单有效的重要 的均值作为阈值 的初始值； 方法。假设图像的灰度范围属于[a，b]区间，分割算法 (b)利用阈值把图