otsu算法——图像分割.pptxVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于二维直方图双斜率划分的快速 Otsu 图像分割算法;论文绪论;论文绪论; 图像分割是图像处理的重要步骤,它可以将感兴趣的目标图像区域和背景分割开后做相关的处理,是后续其他处理的前提。本文所述算法是为了克服Otsu算法对图像分割的不足,在二维Otsu的基础上提出了基于二维直方图双斜率划分的快速Otsu分割算法。本文将对一维Otsu算法、二维Otsu算法和本文算法的思想和实现进行的讲解。;算法讲解;一维Otsu算法;1.一维Otsu算法;算法过程: (1)对于图像I(x,y),将前景与背景的分割阈值设为T。 (2)将属于前景的像素点的个数占整个图像的比例设为w0,其平均灰度设为u0。 (3)将属于背景的像素点的个数占整个图像的比例设为w1,其平均灰度设为u1。 (4)图像的总平均灰度设为u,类间方差设为S。 假设图片的大小为M*N,图像中像素灰度值小于阈值T的像素个数记为N0,???素灰度大于阈值T的像素个数记为N1。则它们之间的关系如下。;前景比例:;核心代码: Histogram[data[i*srcimage.step + j]]++; //step指向每行的字节总量,date访问每个像素的值 for (int i = 1; i 255 ;i++)//从1开始遍历,寻找最合适的值 { //每次遍历前需要初始化各变量 w0 = 0; u0 = 0; w1 = 0; u1 = 0; for (int j = 0; j = i; j++)//背景部分各值计算 { w0 += Histogram[j]; //背景部分像素点总数 u0 += j*Histogram[j]; //背景部分像素总灰度和 } u0 = u0 / w0; //背景像素平均灰度 w0 = w0 / number; //背景部分像素点所占比例 } double varValueI = w1*w2*(u1 - u2)*(u1 - u2); //类间方差计算;2.二维Otsu算法;算法过程: (1)设图像I(x,y),的灰度级为L级,那么图像的邻域平均灰度也分为L级。 (2)设f(x,y)为像素点(x,y)的灰度值,g(x,y)为像素点(x,y)为中心的K*K的像 素点集合的灰度平均值。令f(x,y)=i,g(x,y)=j,然后就形成了一个二元组 (i,j)。 (3)设二元组(i,j)出现的次数为fij,然后求出二元组对应的概率密度Pij, Pij=fij/N, i,j=1,2,…,L,其中N为图像像素点总数。 (4)任意选取一个阈值向量(s,t)选取的阈值向量将图像的二维直方图划分成4个 区域,B、C区域代表图像的前景和背景,A、D区域代表噪声点。图片如下:;(5)设C、B两个区域对应的概率分别为w1, w2,对应的均值矢量为u1,u2。整个图 片所对应的均值矢量为uT。;(6)一般情况下,远离主对角线的点可以忽略(代表边缘点和噪声点),则有: w1+w1≈1,并且uT≈w1*u1+w2*u2,与一维Otsu算法的类间方差相似,这里 定义一个类间离散矩阵: (7)为了衡量这个离散矩阵的大小,采用矩阵的迹来代表矩阵的值。 (矩阵的迹为主对角线上各元素的和) ;核心代码:;3.基于二维直方图双斜率划分的快速 Otsu图像分割算法;算法过程: (1)设K(x,y)=f(x,y)/g(x,y)为像素点的 斜率,其中f(x,y)为点(x,y)的灰度值, g(x,y)为点(x,y)周围点的平均值。 (2)设阈值t1,t2将二维直方图分为A、B、 C三个区域。其中B区域代表前景和背 景像素点部分,而A、C代表边界点和 噪声点部分。 ;(3)设w1(t1,t2)、w2(t1,t2)、w3(t1,t2)为3类区域对应的概率,u1(t1,t2)、 u2(t1,t2)、u3(t1,t2)为三类区域对应的斜率均值。 (4)设ni为斜率K(x,y)=i的像素点的个数,斜率为i的点的概率为pi=ni/N。N为 像素点总数。;(5)设整个图像的斜率均值为u。 (6)三类的类间方差平方和为σ2。当它的值取最大时得到阈值t1,和t2。 (7)最后对划分出来的有效区域B进行一维Otsu算法,求出最终阈值。;核心代码:;实验结果; 阈值:(84,91);一维Otsu算法结果:;参考文献;参考文献 [1] 袁健,程国涛. 基于二维直方图双斜率划分的快速Otsu图像分割算法[J].

文档评论(0)

ma982890 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档