專利名稱：一種圖像處理方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像分割技術(shù)，尤其涉及一種圖像處理方法及系統(tǒng)。
背景技術(shù)：
圖像分割是從圖像處理到圖像分析的一個(gè)關(guān)鍵步驟，在圖像工程中占有非常重要的位置?；趫D像灰度值的閾值分割分類技術(shù)基于以下假設(shè)每個(gè)區(qū)域由許多灰度值相近的像素構(gòu)成，物體和背景之間或不同物體之間的灰度值有明顯的差別，可以通過閾值來區(qū)分。熵閾值法因其實(shí)現(xiàn)簡(jiǎn)單、性能穩(wěn)定、具有良好的信息論背景而成為一類典型的閾值選取方法，并在實(shí)際中得到了廣泛的應(yīng)用?，F(xiàn)有應(yīng)用的熵閾值方法有最大熵法、最大交叉熵準(zhǔn)貝U、最小交叉熵準(zhǔn)則、Tsallis熵準(zhǔn)則等方法，這些方法通?；趫D像的一維直方圖或用圖像灰度-鄰域平均灰度構(gòu)建的二維直方圖來計(jì)算熵閾值。
設(shè)原始灰度圖像f (X，y)的灰度級(jí)數(shù)為L(zhǎng)，圖像大小為MXN，經(jīng)過對(duì)其進(jìn)行區(qū)域灰度特征的3X3或者5X5點(diǎn)陣的平滑濾波處理(一般為取平均值)得到平滑圖像g(x，y)，由于圖像的灰度級(jí)數(shù)不會(huì)因?yàn)槠交瑸V波改變，所以平滑圖像的灰度級(jí)數(shù)仍是L。一般的，一維直方圖的橫軸表示圖像的灰度級(jí)，縱軸表示圖像中某一灰度級(jí)的像素總數(shù)。設(shè)為在原圖像f(x，y)中點(diǎn)灰度為i、在平滑圖像g(x，y)中區(qū)域灰度均值為j的象素的總數(shù)，p(i，j)為點(diǎn)灰度-區(qū)域灰度均值對(duì)發(fā)生的概率，其取值為用= 0，1，...L-1)除以圖像的總像素?cái)?shù)?；谠蓟叶葓D像中的像素灰度i、平滑圖像中的鄰域平均灰度j、P(i，j)便可得到圖像灰度-鄰域平均灰度二維直方圖。但是，由于上述一維直方圖只是描述了各個(gè)灰度級(jí)出現(xiàn)的頻率，以各個(gè)灰度級(jí)出現(xiàn)的頻率來代替概率是不夠精確的，具有較大的估計(jì)誤差，從而基于該一維直方圖選取的熵閾值不夠準(zhǔn)確，影響圖像分割效果，另外，上述二維直方圖用于熵值的計(jì)算時(shí)，往往會(huì)被劃分為四個(gè)區(qū)域，但是，迭代計(jì)算時(shí)只用到了位于對(duì)角線上的兩個(gè)區(qū)域，這樣容易造成有用信息的丟失，也使得選取的熵閾值不夠準(zhǔn)確，影響圖像分割效果。例如，如圖I所示的圖像灰度-鄰域平均灰度二維直方圖，數(shù)值高峰主要分布在平面的對(duì)角線附近，這是因?yàn)槟繕?biāo)區(qū)域和背景區(qū)域內(nèi)部的像素灰度級(jí)單一或者比較均勻，點(diǎn)灰度及其區(qū)域灰度均值相差無幾，而且圖像的所有像素中，目標(biāo)點(diǎn)和背景點(diǎn)所占的比例最大。離平面對(duì)角線越遠(yuǎn)，峰值越小，直至急劇下降，這部分反映的是圖像中的雜散點(diǎn)、邊緣點(diǎn)和噪聲點(diǎn)。傳統(tǒng)的二維熵在熵值計(jì)算時(shí)往往利用兩個(gè)閾值(t，s)將直方圖劃分為四個(gè)區(qū)域，如圖2所示?；谀繕?biāo)和背景像素分布在對(duì)角線附近的分析，諸多二維熵在計(jì)算熵值時(shí)只用區(qū)域O和區(qū)域I (目標(biāo)或背景)，而舍棄了代表邊界、噪聲點(diǎn)、雜散點(diǎn)的區(qū)域2和區(qū)域3。區(qū)域O中b、a兩部分以及區(qū)域I中e、f兩部分內(nèi)存在邊緣點(diǎn)、噪聲點(diǎn)、雜散點(diǎn)，但熵值計(jì)算時(shí)將其當(dāng)成了目標(biāo)(或背景)內(nèi)點(diǎn)處理，同時(shí)，區(qū)域2、區(qū)域3中的d、c兩部分靠近對(duì)角線應(yīng)為目標(biāo)或背景內(nèi)點(diǎn)，但計(jì)算時(shí)被當(dāng)做邊緣點(diǎn)、噪聲點(diǎn)、雜散點(diǎn)來處理。所以，基于上述直方圖的區(qū)域劃分造成了有用信息的丟失，在這一假設(shè)上的熵值計(jì)算必然不夠精確，得到的最佳閾值會(huì)出現(xiàn)偏差，分割結(jié)果不夠理想。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的主要目的在于提供一種圖像處理方法及系統(tǒng)，能夠提高熵閾值選取的準(zhǔn)確性，進(jìn)一步提高圖像分割效果。為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的一種圖像處理方法，包括根據(jù)由原始圖像f(x，y)以平滑濾波形成的圖像g(x，y)、以及梯度圖像|f(x，y)-g(x，y) I，得到原始圖像f (X，y)的點(diǎn)灰度i、梯度圖像|f (x，y)-g(x，y) I的點(diǎn)灰度j和
點(diǎn)灰度對(duì)(i，j)的聯(lián)合概率q(i，j)的對(duì)應(yīng)關(guān)系，j·) =,其中，i = 0，I...，L-I, j
MxN
=O, I. . . , L-I, L是原始圖像的灰度級(jí)數(shù)，r (i, j)表示灰度對(duì)出現(xiàn)的頻數(shù)，MXN為原始圖像的點(diǎn)數(shù)；基于所述原始圖像的點(diǎn)灰度i、梯度圖像的點(diǎn)灰度j和點(diǎn)灰度對(duì)的聯(lián)合概率q(i，j)的對(duì)應(yīng)關(guān)系進(jìn)行熵閾值選??；根據(jù)所述選取的熵閾值進(jìn)行圖像處理。所述基于所述原始圖像的點(diǎn)灰度i、梯度圖像的點(diǎn)灰度j和點(diǎn)灰度對(duì)的聯(lián)合概率q(i，j)的對(duì)應(yīng)關(guān)系進(jìn)行熵閾值選取為
權(quán)利要求
1.一種圖像處理方法，其特征在于，該方法包括 根據(jù)由原始圖像f(x，y)以平滑濾波形成的圖像g(x，y)、以及梯度圖像|f(x，y)-g(x，y) I，得到原始圖像f (x，y)的點(diǎn)灰度i、梯度圖像If (x,y)_g(x,y) I的點(diǎn)灰度j和點(diǎn)灰度對(duì)(i，j)的聯(lián)合概率
2.根據(jù)權(quán)利要求I所述的圖像處理方法，其特征在于，所述基于所述原始圖像的點(diǎn)灰度i、梯度圖像的點(diǎn)灰度j和點(diǎn)灰度對(duì)的聯(lián)合概率q(i，j)的對(duì)應(yīng)關(guān)系進(jìn)行熵閾值選取為其中，
3.根據(jù)權(quán)利要求I所述的圖像處理方法，其特征在于，所述基于原始圖像的點(diǎn)灰度i、梯度圖像的點(diǎn)灰度j和點(diǎn)灰度對(duì)的聯(lián)合概率q(i，j)的對(duì)應(yīng)關(guān)系進(jìn)行熵閾值選取為
4.一種圖像處理系統(tǒng)，其特征在于，包括對(duì)應(yīng)關(guān)系獲取單元、熵閾值選取單元和圖像處理單元；其中， 所述對(duì)應(yīng)關(guān)系獲取單元，用于根據(jù)由原始圖像f (X，y)以平滑濾波形成的圖像g(X，y)、以及梯度圖像If U，y)-g(x，y) I，從而得到原始圖像f (X，y)的點(diǎn)灰度i、梯度圖像的點(diǎn)灰度j和點(diǎn)灰度對(duì)(i，j)的聯(lián)合概率q(i，j)的對(duì)應(yīng)關(guān)系
5.根據(jù)權(quán)利要求4所述的圖像處理系統(tǒng)，其特征在于，所述熵閾值選取單元基于原始圖像的點(diǎn)灰度i、梯度圖像的點(diǎn)灰度j和點(diǎn)灰度對(duì)的聯(lián)合概率q(i，j)的對(duì)應(yīng)關(guān)系進(jìn)行熵閾值選取為 設(shè)
6.根據(jù)權(quán)利要求4所述的圖像處理系統(tǒng)，其特征在于，所述熵閾值選取單元基于原始圖像的點(diǎn)灰度i、梯度圖像的點(diǎn)灰度j和點(diǎn)灰度對(duì)的聯(lián)合概率q(i，j)的對(duì)應(yīng)關(guān)系進(jìn)行熵閾值選取為 設(shè)
全文摘要
本發(fā)明公開了一種圖像處理方法，包括根據(jù)由原始圖像f(x，y)以平滑濾波形成的圖像g(x，y)、以及梯度圖像|f(x，y)-g(x，y)|，得到原始圖像f(x，y)的點(diǎn)灰度i、梯度圖像|f(x，y)-g(x，y)|的點(diǎn)灰度j和點(diǎn)灰度對(duì)(i，j)的聯(lián)合概率q(i，j)的對(duì)應(yīng)關(guān)系；基于所述原始圖像的點(diǎn)灰度i、梯度圖像的點(diǎn)灰度j和點(diǎn)灰度對(duì)(i，j)的聯(lián)合概率q(i，j)的對(duì)應(yīng)關(guān)系進(jìn)行熵閾值選?。桓鶕?jù)所述選取的熵閾值進(jìn)行圖像處理。本發(fā)明還相應(yīng)地公開了一種圖像處理系統(tǒng)。由于在熵值計(jì)算過程中基本包含所有的目標(biāo)點(diǎn)和背景點(diǎn)，所以本發(fā)明能夠使計(jì)算結(jié)果更加準(zhǔn)確，提高熵閾值選取的準(zhǔn)確性，進(jìn)一步提高圖像分割效果。
文檔編號(hào)G06T7/00GK102779339SQ201110460289
公開日2012年11月14日 申請(qǐng)日期2011年12月31日 優(yōu)先權(quán)日2011年12月31日
發(fā)明者郭魯強(qiáng) 申請(qǐng)人:北京京東方光電科技有限公司