数字图像处理(第二版)何东建05.ppt

第5章 图像分割与边缘检测 　　　　　　　　5.1 阈值分割5.1.1 概述　　 阈值化是最常用一种图像分割技术， 其特点是操作简单， 分割结果是一系列连续区域。灰度图像的阈值分割一般基于如下假设： 图像目标或背景内部的相邻像素间的灰度值是高度相关的， 目标与背景之间的边界两侧像素的灰度值差别很大， 图像目标与背景的灰度分布都是单峰的。 如要图像目标与背景对应的两个单峰大小接近、 方差较小且均值相差较大， 则该图像的直方图具有双峰性质。 阈值化常可以有效分割具有双峰性质的图像。 　　阈值分割过程如下： 首先确定一个阈值T， 对于图像中的每个像素， 若其灰度值大于T，则将其置为目标点(值为1)， 否则置为背景点(值为0)， 或者相反， 从而将图像分为目标区域与背景区域。 用公式可表示为 　　在编程实现时， 也可以将目标像素置为255， 背景像素置为0， 或者相反。 当图像中含有多个目标且灰度差别较大时， 可以设置多个阈值实现多阈值分割。 多阈值分割可表示为 　　阈值分割的关键是如何确定适合的阈值， 不同的阈值其处理结果差异很大， 会影响特征测量与分析等后续过程。如图5-1所示， 阈值过大， 会过多地把背景像素错分为目标； 而阈值过小， 又会过多地把目标像素错分为背景。确定阈值的方法有多种， 可分为不同类型。如果选取的阈值仅与各个像素的灰度有关， 则称其为全局阈值。如果选取的阈值与像素本身及其局部性质(如邻域的平均灰度值)有关， 则称其为局部阈值。如果选取的阈值不仅与局部性质有关， 还与像素的位置有关， 则称其为动态阈值或自适应阈值。阈值一般可用下式表示： 　　　 　T=T［x, y, f(x, y), p(x, y)］ (5-3)式中： f(x， y)是点(x，y)处的像素灰度值：p(x，y)是该像素邻域的某种局部性质。 图5-1 不同阈值对图像分割的影响 　　当图像目标和背景之间灰度对比较强时，阈值选取较为容易。实际上，由于不良的光照条件或过多的图像噪声的影响，目标与背景之间的对比往往不够明显，此时阈值选取并不容易。一般需要对图像进行预处理，如图像平滑去噪，再确定阈值进行分割。5.1.2 全局阈值 当图像目标与背景之间具有高对比度时，利用全局阈值可以成功地分割图像。如图5-2(a)所示，点状目标与背景之间具有鲜明的对比，如图5-2(b)所示的直方图表现出双峰性质，左侧峰对应较暗的目标，右侧峰对应较亮的背景，双峰之间的波谷对应目标与背景之间的边界。当选择双峰之间的谷底点对应的灰度值作为阈值时，便可以很好地将目标从背景中分离出来。图5-2(c)是用阈值124分割的结果。 图5-2 直方图具有双峰性质的阈值分割 　　确定全局阈值的方法很多，如极小点阈值法、迭代阈值法、最优阈值法、Otsu阈值法、最大熵法、p参数法等。当具有明显的双峰性质时，可直接从直方图的波谷处选取一个阈值，也可以根据某个准则自动计算出阈值。实际使用时，可根据图像特点确定合适的阈值方法，一般需要用几种方法进行对比试验，以确定分割效果最好的阈值。 　　1． 极小点阈值法　　如果将直方图的包络线看做一条曲线，则通过求取曲线极小值的方法可以找到直方图的谷底点，并将其作为分割阈值。设p(z)代表直方图，那么极小点应满足：  p′(z)=0 且 p″(z)0 (5-4) 　若在求极小值点之前对直方图进行平滑处理，则效果会更好。例如3点平滑，平滑后的灰度级i的相对频数用灰度级i-1，i，i+1的相对频数的平均值代替。 　　2． 迭代阈值法　　迭代阈值算法如下： 　　(1) 选择一个初始阈值T1。　　(2) 根据阈值T1将图像分割为G1和G2两部分。G1包含所有小于等于T1的像素，G2包含所有大于T1的像素。分别求出G1和G2的平均灰度值μ1和μ2。　　(3) 计算新的阈值T2=(μ1+μ2)/2。　　(4) 如果|T2-T1|≤T0(T0为预先指定的很小的正数)，即迭代过程中前后两次阈值很接近时，终止迭代，否则T1= T2，重复(2)和(3)。最后的T2就是所求的阈值。 　　设定常数T0的目的是为了加快迭代速度，如果不关心迭代速度，则可以设置为0。当目标与背景的面积相当时，可以将初始阈值T1置为整幅图像的平均灰度。当目标与背景的面积相差较大时，更好的选择是将初始阈值T1置为最大灰度值与最小灰度值的中间值。　　3． 最优阈值法　　由于目标与背景的灰度值往往有部分相同，因而用一个全局阈值