基于Matlab图像阈值分割算法研究.docVIP

基于Matlab图像阈值分割算法研究 　　摘 要：重点讨论了图像分割法中的阈值研究法，包括全局阈值法和自适应阈值法。对全局阈值算法中的人工选择法、迭代式阈值选择法、最大类间方差法以及自适应算法中的分水岭算法进行了重点分析，用Matlab进行实现并给出了实验结果;分析了几种算法的适用情况，并提出了一些改进意见。 　　关键词：图像分割;全局阈值;自适应阈值 　　DOI：10.11907/rjdk.143592 　　中图分类号：TP312 　　文献标识码：A 文章编号：1672-7800（2014）012-0076-03 　　作者简介：李小琦（1984-），男，湖北武汉人，硕士，武汉大学珞珈学院计算机科学系讲师，研究方向为多媒体技术、嵌入式系统。 　　1 图像分割与阈值分割概述 　　 图像分割是将感兴趣的部分或是有用的部分分离出来，将一幅图像分解为若干互不交叠、有意义、具有相同性质的区域。它的特征包括：分割出来的区域对某种特质具有相似性;相邻区域对分割所依据的性质有明显的差距;区域的边界是明确的[1-3]。图像分割是图像识别的基础和前提，它在图像处理领域占据十分重要的位置。图像分割的方法很多，目前没有统一的算法来实现图像分割，这是因为各种图像的性质都不尽相同，不同的图像分割方法是在各种约束条件之间寻找一种平衡lt;supgt;[5]lt;/supgt;。 　　 阈值分割算法在图像分割算法中占有核心地位，而阈值的选择至关重要。其选择方法很多，主要分为两类：全局阈值法和自适应阈值法。如果图像分割过程中每个像素使用的阈值相同，则称为全局阈值法;如果整幅图像不是所有的像素阈值一样，则是自适应阈值法，或为局部阈值法。 　　2 全局阈值法 　　 全局阈值法有多种，其中有人工选择法、迭代式阈值 　　选择法、最大类间方差阈值分割法，它们都是依据图像灰度直方图。人工选择法是人通过对直方图的观察，选出阈值;而后两种方法是根据特定的算法对直方图数据进行分析，得出阈值，相当于自动阈值法。 　　2.1 人工阈值选择法 　　 阈值选择法的基础是图像的灰度直方图。选取原始图像，用Matlab生成灰度直方图如图1所示。 　　图1 图像灰度直方图 　　灰度直方图对应于暗背景上由亮物体组成的图像f（x，y），这样，目标和背景像素拥有的灰度级可以分为两个占主导地位的模式。满足f（x，y）≥T的任何图像点被称为物体点，其它点被称为背景点。阈值处理后的图像h（x，y）定义为： 　　h（x，y）=a f（x，y））T 　　b f（x，y）≤T 　　 标注a的像素对应目标，标注b的像素对应背景。一般情况下，对于灰度图像，设定a为1即白色， b为0即黑色。T为选定阈值，如果用于整幅图像，则上述公式用于全局阈值处理。当阈值T在一幅图像上变化时，则是可变阈值，或是局部阈值处理lt;supgt;[5]lt;/supgt;。 　　对图1而言，灰度直方图并非只分两个占主导地位的模式，这种情况可以定义为：如果Tlt;subgt;1lt;/subgt;f（x，y）≤Tlt;subgt;2lt;/subgt;，则属于物体类，其它属于背景类。 　　对图1的情况，可以选定阈值70～170之间的像素值为物体类，其它为背景类，用Matlab实现的关键代码如下： 　　if A（i，j）gt;70 amp;A（i，j）lt;170 　　B（i，j）=1;else 　　B（i，j）=0; 　　其中A（i，j）为原始灰度图像，B（i，j）为分割图像，效果如图2所示。 　　图2 人工阈值分割效果 　　从效果图可以看出，人工阈值法的效果比较粗糙，分割出来的只是原始雏形，下面讨论其它阈值法。 　　2.2 迭代式阈值选择法 　　一般情况下，图像处理中首选的方法是基于图像数据自动选择阈值的算法，因而可以采用迭代算法，迭代算法的思想如下： 　　（1）针对图像灰度选择初始估计值Tlt;subgt;0lt;/subgt;。 　　（2）利用阈值Ti将图像分割成Rlt;subgt;1lt;/subgt;和Rlt;subgt;2lt;/subgt;两个区域，然后计算两个区域的灰度均值ult;subgt;1lt;/subgt;和ult;subgt;2lt;/subgt;，利用以下公式： 　　u1=∑Tii=0ipi∑Tii=0pi u2=∑L-1i=Tiipi∑L-1i=Tipi 　　 其中，L为图像的灰度级总数，pi是第i个灰度级在图像中出现的次数。 　　（3）计算出ult;subgt;1lt;/subgt;和ult;subgt;2lt;/subgt;后，计算出新的阈值Ti+1： 　　Ti+1=12（ult;subgt;1lt;/subgt;+ult;s