專利名稱：用于找出圖像分割的最佳閾值的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種找出用于圖像分割的最佳閾值的方法，尤其涉及一種在圖像識(shí)別過程中找出用于圖像分割的最佳閾值的方法。
背景技術(shù)：
一般來說，在圖像識(shí)別技術(shù)中，找出用于圖像分割的最佳閾值的過程是基礎(chǔ)和重要的過程。為了從圖像的背景中辨別出一個(gè)對象，識(shí)別過程是必要的。
根據(jù)雙峰類型的直方圖分布區(qū)線，很容易將最佳閾值找出來，在上述情況下，最佳閾值位于直方圖分布曲線的最低點(diǎn)。還可以用很多方法找出最佳閾值。
第一種方法是用于找出最佳閾值的隨機(jī)法。也就是假定圖像的直方圖分布是雙峰類型的，并且具有最小方差和的灰度級(jí)被選擇為最佳閾值。第二種用于找出所述的最佳閾值的方法基于香農(nóng)熵(Shannon entropy)。在這種方法中，將具有最小熵的灰度級(jí)選擇為最佳閾值。還有另一種方法是在圖像熵的計(jì)算過程中使用模糊度。在這種方法中，選擇具有最小模糊度的灰度級(jí)作為最佳閾值。
圖1是說明用于找出最佳閾值的傳統(tǒng)方法的流程圖。參照圖1，在步驟S101，計(jì)算圖像的直方圖分布。在步驟S102，計(jì)算分布于直方圖中的所有灰度級(jí)的熵。在步驟103，將所有計(jì)算得到的熵相互進(jìn)行比較，并且選出一個(gè)具有最小熵值的灰度級(jí)。但是，傳統(tǒng)方法的整個(gè)處理過程的時(shí)間是隨著圖像的分辨率以及需要計(jì)算的熵值的數(shù)量而成比例增加的。而且，在圖像有多個(gè)閾值的情況下，不能通過傳統(tǒng)的方法計(jì)算出圖像分割完成的條件。

發(fā)明內(nèi)容
因此，本發(fā)明一個(gè)目的在于提供一種當(dāng)圖像具有多個(gè)閾值時(shí)基于定點(diǎn)迭代及模糊熵通過分析圖像的熵特性來有效地找出用于圖像分割的最佳閾值的方法。
根據(jù)本發(fā)明的一個(gè)方面，本發(fā)明還提供了一種用于在圖像分割中找出一個(gè)閾值的方法，該方法包括以下步驟a)得到圖像的直方圖分布；b)計(jì)算直方圖中的對應(yīng)于各灰度級(jí)的熵值；以及c)根據(jù)計(jì)算所得的熵值，通過利用定點(diǎn)迭代(FPI)，得到對應(yīng)于灰度級(jí)的最小熵值作為所述閾值。


本發(fā)明的上述和其它目的及特點(diǎn)通過對下面給出的優(yōu)選實(shí)施例并結(jié)合相關(guān)附圖的描述將變得清楚起來，在附圖中圖1是說明用于找出最佳閾值的傳統(tǒng)方法的流程圖；圖2是用于說明根據(jù)本發(fā)明的優(yōu)選實(shí)施例的找出用于圖像分割的最佳閾值的方法的流程圖；圖3是示出根據(jù)本發(fā)明的優(yōu)選實(shí)施例的對應(yīng)于常數(shù)k的模糊度的曲線圖；圖4是示出根據(jù)本發(fā)明的優(yōu)選實(shí)施例的用于獲得最小熵的灰度級(jí)的灰度級(jí)分布曲線圖；
圖5是用于解釋根據(jù)本發(fā)明的優(yōu)選實(shí)施例的圖2中的步驟S203的流程圖，該步驟用于通過使用FPI獲得對應(yīng)于最小熵值的灰度級(jí)；以及圖6是用于詳細(xì)解釋圖5中步驟501的流程圖。
具體實(shí)施例方式
本發(fā)明的其他目的和方面通過對以下文中參考附圖所描述的實(shí)施例的進(jìn)一步解釋將變得清楚起來。
圖2是用于解釋根據(jù)本發(fā)明中的優(yōu)選實(shí)施例的找出用于圖像分割的最佳閾值的方法的流程圖。
參考圖2，在步驟201中得到圖像的直方圖分布。在步驟S202中計(jì)算出灰度級(jí)的熵。在步驟S202中計(jì)算出熵值以后，在步驟S203中根據(jù)計(jì)算出的熵值通過使用所述的定點(diǎn)迭代(fixed pointiteration；FPI)得到一個(gè)最小熵的灰度級(jí)。
在步驟S202中，通過測量相應(yīng)的灰度級(jí)的模糊熵來計(jì)算灰度級(jí)的熵。在下文中，對模糊熵的計(jì)算進(jìn)行了詳細(xì)的解釋。
如果一幅尺寸為M×N的圖像I具有L個(gè)灰度級(jí)，一個(gè)灰度級(jí)的像素(x，y)被定義為I(x，y)，并且μI(Ii，j)代表像素(x，y)的灰度級(jí)的模糊度。因此，圖像I能用下面的等式來表示。
I＝{(Iij，μI(Iij))} 等式1其中0≤μI(Ii，j)≤1；i＝0，1，...，M-1；j＝0，1，...，N-1
如果在整幅圖像I中灰度級(jí)g具有生成頻率h(g)，那么背景的平均灰度級(jí)μ0可以用下面的等式2來表示，并且一個(gè)物體的平均灰度級(jí)μI可以用下面的等式3來表示。
μ0=Σg=0Tgh(g)/Σg=0Th(g);]]>如果i(x，y)≤T等式2μI=Σg=T+1L-1gh(g)/ΣT+1=0L-1h(g);]]>如果i(x，y)≤T等式3平均灰度級(jí)μI和μ0可以被考慮作為閾值T的靶值(targetvalue)。那就是說，模糊度可以被表示為像素(x，y)的灰度級(jí)與包含相應(yīng)灰度級(jí)的區(qū)域的灰度級(jí)之間的差。因此，隨著模糊度的增大，灰度級(jí)差變小。在圖像中，所有像素的灰度級(jí)對于閾值T來說不管是相對于一個(gè)客體或者相對于背景都必須具有特定的模糊度。所述像素的模糊度可以用下面的等式表示。
等式4同時(shí)，當(dāng)某一特定像素的灰度級(jí)包括在特定的區(qū)域中時(shí)，相對于相同集合的模糊度值必須大于0.5。因此，常數(shù)K被定義為Gmax-Gmin，并且所述的模糊度值在0.5至1之間選擇。圖3示出了依據(jù)所述的常數(shù)K的模糊度。
模糊度通常也被認(rèn)為是模糊集合的模糊度，并且公開了很多用于計(jì)算模糊熵的熵方程。如果所述的一個(gè)獨(dú)立變量的熵方程是在二維圖像區(qū)域擴(kuò)展的，那么圖像I的熵值可以用表1表示。
表1 尤其是，所述熵的絕對值在
范圍內(nèi)是遞增的，而且所述熵值在
區(qū)域內(nèi)是遞減的。同時(shí)，如果包括在該圖像中的所有灰度級(jí)的模糊度約為0.5，則熵E(I)具有最大值1。
在步驟S202得到熵值以后，在步驟S203中通過使用定點(diǎn)迭代(FPI)法獲得最小熵的灰度級(jí)。
圖4是示出根據(jù)本發(fā)明的優(yōu)選實(shí)施例的用于得到最小熵的灰度級(jí)的灰度級(jí)分布曲線圖。
參考圖4，將在下文中解釋最小熵的灰度級(jí)。
圖5是用于說明根據(jù)本發(fā)明的實(shí)施例的圖2中步驟203的流程圖，在該步驟，用FPI獲得對應(yīng)于最小熵值的灰度級(jí)。
在步驟501中，根據(jù)圖4中的曲線圖得到用于獲得最小熵的灰度級(jí)的可能的最佳閾值Pi。
在得到所述Pi后，將順序地獲得從左到右的Pi的灰度級(jí)。
在步驟503中，通過比較Pi的灰度級(jí)的熵值來得到具有最小熵的灰度級(jí)的最佳閾值。
圖6是用于詳細(xì)說明圖5中步驟501的流程圖。
參照圖6，并且，在步驟601中，gmin，gmax，Gmin，Gmax，Pi及gcal的初始值設(shè)定如下。通過選擇圖4中灰度級(jí)分布曲線的最小值，將gmin設(shè)定為可能最小灰度級(jí)，通過選擇圖4中灰度級(jí)分布曲線的最大值，將gmax設(shè)定為可能最大灰度級(jí)。并且將Gmax設(shè)定為等于gmax，將Gmin設(shè)定為等于gmin。同樣，將Pi設(shè)定為gmax和gmin的中間值即(gmax+gmin)/2。
并且，將gcal設(shè)定為等于Pi。初值初始化后，在步驟602，計(jì)算出gmin、gmax及gcal的熵值E(gmin)、E(gmax)及E(gcal)。
在計(jì)算出熵值E(gmin)、E(gmax)及E(gcal)后，在步驟603中將E(gmin)和E(gcal)進(jìn)行比較。
如果E(gmin)高于E(gcal)，則在步驟604中，將gtemp的值改變?yōu)間min的值，并且將gfix的值設(shè)定為Gmax。通過改變這些值而不影響Gmax及Gmin的值，新的臨時(shí)值gtemp及gfix在步驟604中被設(shè)定如下。
如果E(gmin)等于或小于E(gcal)，則將gtemp的值改變?yōu)間max的值，并且在步驟605中將gfix值設(shè)定為Gmin。通過改變這些值而不影響Gmax及Gmin的值，新的臨時(shí)值gtemp和gfix在步驟605中被設(shè)定如下。
根據(jù)比較結(jié)果改變gtemp或gfix值后，在步驟606，將Pi設(shè)定為gmid，gmid是由(gfix+gtemp)/2計(jì)算得出的，并通過(E(gtemp)+E(gfix))/2計(jì)算得出Emid。
在步驟607，通過利用對(gtemp，0)和(gmid，E(gmid))的線性方程f的計(jì)算出Pi+1，且Ei+1被設(shè)定為E(pi+1)。所述線性方程f為f(g)＝ag+b。
計(jì)算出Pi+1之后，在步驟608，比較上述任意兩個(gè)Pi值。
在步驟608中，如果有兩個(gè)相同的pis，則程序結(jié)束，如果有兩個(gè)不相同的pis，則在步驟609中將gtemp值設(shè)定為pi+1，并且通過(gtemp+gfix)/2重新確定gcal，將E(gmin)設(shè)定為Ei+1，并且將gtemp設(shè)定為Pi+1。在將gcal設(shè)定為新值之后，重復(fù)執(zhí)行步驟602到608。為了幫助理解圖6中用于得到最佳閾值的各步驟，在下表中示出偽代碼(pseudo code)。
表2


如上所述，本發(fā)明能夠根據(jù)圖像分割完成條件及定點(diǎn)迭代方法，通過分析圖像的熵特性迅速找出最佳閾值。
雖然本發(fā)明已經(jīng)就特定的優(yōu)選實(shí)施例進(jìn)行了描述，但是對于本領(lǐng)域技術(shù)人員來說顯而易見的是，可以對本發(fā)明做出很多改變和修改，而不會(huì)脫離權(quán)利要求書所限定的本發(fā)明的保護(hù)范圍。
權(quán)利要求
1.一種在圖像分割中找出閾值的方法，所述方法包括以下步驟a)獲得圖像的直方圖分布；b)計(jì)算對應(yīng)于所述直方圖中的灰度級(jí)的熵值；以及c)根據(jù)所計(jì)算出的熵值，通過使用定點(diǎn)迭代FPI，獲得對應(yīng)于所述灰度級(jí)的最小熵值作為所述閾值。
2.根據(jù)權(quán)利要求1所述的方法，其中，所述步驟c)包括以下步驟c-1)獲得多個(gè)可能最佳閾值；c-2)獲得對應(yīng)于所獲得的可能最佳閾值的灰度級(jí)的熵值；以及c-3)通過比較這些熵值并選擇最小的熵值，從而獲得所述的閾值。
3.根據(jù)權(quán)利要求2所述的方法，其中，通過以下過程獲得每個(gè)所述可能最佳閾值獲得具有最大熵值的可能最大灰度級(jí)的值以及具有最小熵值的可能最小灰度級(jí)的值；通過將所述可能最大灰度級(jí)的值和所述可能最小灰度級(jí)的值相加并將相加后的和減半后獲得可能最佳閾值。
4.根據(jù)權(quán)利要求3所述的方法，其中，通過以下過程獲得所述可能最佳閾值根據(jù)所述可能最大灰度級(jí)的熵值、所述可能最小灰度級(jí)的熵值和所獲得的最佳閾值的比較，改變所述可能最大灰度級(jí)的值和所述可能最小灰度級(jí)的值中的一個(gè)；根據(jù)所述可能最大灰度級(jí)和所述可能最小灰度級(jí)的改變過的值，重新獲得可能最佳閾值。
5.根據(jù)權(quán)利要求2所述的方法，其中，所述步驟c-1)包括以下步驟c-i)通過以下過程獲得初始可能最佳閾值、具有最大熵值的初始可能最大灰度級(jí)及具有最小熵值的初始可能最小灰度級(jí)將Gmin設(shè)定為具有所述初始可能最小灰度級(jí)；將Gmax設(shè)定為具有所述初始可能最大灰度級(jí)；將gmin及gmax分別設(shè)定為具有與Gmin及Gmax相同的數(shù)值，而不影響Gmin及Gmax值的改變；將Pi設(shè)定為具有通過計(jì)算等式Pi＝((gmin+gmax)/2)而獲得的所述初始可能最佳閾值；以及將gcal設(shè)定為具有與Pi相同的值；c-ii)獲得gmin、gmax、及gcal的熵值E(gmin)、E(gmax)、及E(gcal)；c-iii)比較E(gmin)與E(gcal)；c-iv)如果步驟c-iii)中的比較結(jié)果是E(gmin)大于E(gcal)，則通過將gtemp的值設(shè)定為具有g(shù)min的值，將gfix的值設(shè)定為具有Gmax的值，從而將gmin的值改變?yōu)榫哂術(shù)cal的值，而不改變gmax的值；c-v)如果步驟c-iii)中的比較結(jié)果是E(gmin)小于或等于E(gcal)，則通過將gtemp的值設(shè)定為具有g(shù)max的值，將gfix的值設(shè)定為具有Gmin的值，從而將gmax的值改變?yōu)榫哂術(shù)cal的值，而不改變gmin的值；c-vi)通過等式Pi＝(gfix+gtemp)/2，根據(jù)gmin及gmax的改變后的值，獲得新的可能最佳閾值Pi；c-vii)通過利用對(gtemp，0)的線性方程f和方程pi+1＝f-1(E(pi))得到pi+1，其中所述線性方程f為f(g)＝ag+b，a＝gtemp且b為0；c-viii)將pi+1與前面得到的pis進(jìn)行比較；c-ix)如果兩個(gè)pis不同，則通過將gtemp設(shè)定為具有pi+1的值，并將gcal設(shè)定為具有(gtemp+gfix)/2的值，從而求出下一個(gè)可能最佳閾值，并且重復(fù)進(jìn)行步驟c-ii)到c-viii)；以及c-x)如果有任意兩個(gè)pis相同，則通過比較相應(yīng)的pis的熵值并選擇具有最小熵值的Pi作為所述閾值，從而選擇所述閾值。
全文摘要
本發(fā)明披露了一種在圖像識(shí)別過程中找出用于圖像分割的最佳閾值的方法。該方法包括以下步驟a)獲得圖像的直方圖分布；b)計(jì)算對應(yīng)于直方圖中灰度級(jí)的熵值；以及c)根據(jù)計(jì)算得到的熵值，利用定點(diǎn)迭代FPI，獲得對應(yīng)于該灰度級(jí)的作為閾值的最小熵值。本發(fā)明能夠根據(jù)圖像分割完成條件及定點(diǎn)迭代方法，通過分析圖像的熵特性迅速找出最佳閾值。
文檔編號(hào)G06T5/00GK1540576SQ200410031080
公開日2004年10月27日 申請日期2004年4月20日 優(yōu)先權(quán)日2003年4月21日
發(fā)明者申龍湜, 申龍 申請人:株式會(huì)社泛泰