基于灰度直方圖的多閾值分割法
【專利摘要】本發(fā)明公開了一種基于灰度圖像直方圖的多閾值分割方法，該方法利用類間方差最大原則，以二分法為基礎(chǔ)，并將直方圖上的極小值點(diǎn)作為多閾值分割的參考點(diǎn)。首先根據(jù)類間方差最大法，找到圖像的第一個(gè)閾值，然后以二分法為基礎(chǔ)，對(duì)分割的圖像的兩部分分別求其類間的最大方差，再把兩方差進(jìn)行比較，找到最大的方差對(duì)應(yīng)的閾值作為下一次分割的閾值點(diǎn)。以此類推，直至找到給定的閾值數(shù)為止。然后，根據(jù)平滑后的直方圖，找到所有的波谷點(diǎn)。最后，把得到的所有閾值與波谷點(diǎn)進(jìn)行比較，找到最靠近閾值的波谷點(diǎn)作為最終的閾值。本發(fā)明的多閾值分割法相對(duì)于傳統(tǒng)的多閾值分割方法，不僅消除了部分的分割噪聲，而且分割的效果和適應(yīng)性都好于已有算法。
【專利說明】基于灰度直方圖的多閾值分割法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于灰度圖像的閾值分割技術(shù)，特別是一種基于灰度圖像直方圖的多閾值分割的方法。
【背景技術(shù)】
[0002]圖像分割是圖像處理中的一項(xiàng)重要的處理技術(shù)，應(yīng)用的范圍非常廣泛。圖像分割的目的是能夠得到用戶需要的區(qū)域，是對(duì)得到目標(biāo)進(jìn)行進(jìn)一步處理的關(guān)鍵前提。因此，研究者們提出了各種進(jìn)行圖像分割的方法。其中，基于閾值的圖像分割，是圖像分割的一種有效的方法。Otsu法是一種經(jīng)典的閾值化方法，Otsu法也稱最大類間方差法，是由日本學(xué)者Otsu與1979年提出的。由于Otsu閾值法進(jìn)行圖像分割，算法簡(jiǎn)單、穩(wěn)定、能夠自動(dòng)的進(jìn)行閾值分割，被廣泛的應(yīng)用在圖像處理中。在實(shí)際應(yīng)用中，由于圖像往往包含多類目標(biāo)，只進(jìn)行單閾值的圖像分割，把一副圖像分成目標(biāo)和背景區(qū)域不能夠滿足需求。經(jīng)典的Otsu法能夠容易的推廣到多閾值分割的情況，但是時(shí)間復(fù)雜度過大，算法執(zhí)行時(shí)間過長(zhǎng)。LIAOPING-SUNG，CHEN TSE-SHENG等對(duì)算法進(jìn)行改進(jìn)，修改了類間方差的計(jì)算公式，使算法的運(yùn)行時(shí)間大大縮短。但是，單閾值為4個(gè)以上時(shí)，算法執(zhí)行時(shí)間仍然很長(zhǎng)，而且，分割后的圖像往往含有噪聲。之后研究者們又提出了改進(jìn)的多閾值算法及快速實(shí)現(xiàn)，這些算法大都主要從算法的復(fù)雜度上進(jìn)行了改進(jìn)，而很少考慮到閾值的分割效果。Li Zhexue等提出的快發(fā)算法，時(shí)間復(fù)雜度雖然低，但是在很多情況下存在錯(cuò)分割情況。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的正是針對(duì)上述現(xiàn)有方法中所存在的問題，在經(jīng)典Otsu進(jìn)行閾值分割的基礎(chǔ)上，結(jié)合直方圖的波谷點(diǎn)的信息，從而實(shí)現(xiàn)對(duì)多目標(biāo)圖像的分割。
[0004]實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為:一種基于灰度圖像直方圖的多閾值圖像分割方法，其具體步驟如下:
[0005]第一步:根據(jù)類間方差最大法，找到圖像的第一個(gè)閾值h ；
[0006]第二步:根據(jù)閾值點(diǎn)t1;以二分法為基礎(chǔ)，對(duì)分割后的灰度直方圖區(qū)間分別求其類間的最大方差σ i和σ2;
[0007]第三步:將兩方差σ i和σ2進(jìn)行比較，找到最大的方差對(duì)應(yīng)的閾值作為下一次分割的閾值點(diǎn)，以此類推，直至找到給定的閾值數(shù)為止；
[0008]第四步:根據(jù)平滑后的直方圖，找到所有的波谷點(diǎn)；
[0009]第五步:把步驟三中得到的所有的閾值點(diǎn)和步驟四中得到的波谷點(diǎn)進(jìn)行比較，找到波谷點(diǎn)中最接近步驟三中求的閾值，把該波谷點(diǎn)作為最終所求的閾值。
[0010]第二步中所述的直方圖區(qū)間分成[0，...，?「1]和[t「l，一，L_l]兩類，其中L代表灰度級(jí)。
[0011]第三步中如果Oi > O2，在區(qū)間[0，…，t「l]內(nèi)部找到方差O1對(duì)應(yīng)的閾值t2，然后在區(qū)間[O,…，t2_l]和區(qū)間[t2+l,…，t「l]內(nèi)部找到最大方差σ3和方差σ4,在第二步中剩下的沒有選擇的方差。2參與本次的方差比較，找到最大方差max ( σ 3，σ 4，σ 2)對(duì)應(yīng)的閾值t3。
[0012]第四步中對(duì)圖像進(jìn)行均值濾波后得到平滑后的直方圖。
[0013]本發(fā)明的優(yōu)點(diǎn)是:本發(fā)明方法相對(duì)于傳統(tǒng)的多閾值分割，不僅能夠消除以往算法產(chǎn)生的部分噪聲，而且不會(huì)存在錯(cuò)分割或過分割的現(xiàn)象。同時(shí)，能夠使分割的細(xì)節(jié)更突出，算法的時(shí)間復(fù)雜度低，不會(huì)出現(xiàn)當(dāng)閾值個(gè)數(shù)過多時(shí)的指數(shù)增長(zhǎng)現(xiàn)象。
【專利附圖】

【附圖說明】
[0014]圖1是平滑圖像后的直方圖進(jìn)行多閾值選擇理想的波谷點(diǎn)閾值。
[0015]圖2是本發(fā)明基于灰度直方圖的多閾值圖像分割法的程序流程圖。
[0016]圖3是不同算法在Lena圖像上進(jìn)行3閾值的分割效果圖(a為原始灰度圖像；b為L(zhǎng)IAOPING-SUNG算法;c為L(zhǎng)i Zhexue算法；d為本發(fā)明算法)。
[0017]圖4是不同算法在House圖像上進(jìn)行3閾值的分割效果圖(a為原始灰度圖像；b為L(zhǎng)IAOPING-SUNG算法;c為L(zhǎng)i Zhexue算法；d為本發(fā)明算法)。
【具體實(shí)施方式】
[0018]結(jié)合圖1和圖2，本發(fā)明的基于灰度圖像直方圖的多閾值圖像分割方法包括以下步驟:
[0019](I)設(shè)一幅圖像X具有L個(gè)灰度級(jí)(0，1,2,..., L-1),統(tǒng)計(jì)每個(gè)灰度值的像素點(diǎn)的
頻數(shù)ni，構(gòu)造頻數(shù)直方圖，計(jì)算總的像素點(diǎn)的個(gè)數(shù)#=11?，計(jì)算每個(gè)灰度值出現(xiàn)的概率:





?~0
Pi=ni/N ；
[0020](2)對(duì)于每個(gè)分割的閾值點(diǎn)t，假設(shè)把圖像分成兩類:目標(biāo)和背景，計(jì)算
【權(quán)利要求】
1.一種基于灰度直方圖的多閾值分割法，其特征在于所述方法包括以下步驟: 第一步:根據(jù)類間方差最大法，找到圖像的第一個(gè)閾值; 第二步:根據(jù)閾值點(diǎn)t1;以二分法為基礎(chǔ)，對(duì)分割后的灰度直方圖區(qū)間分別求其類間的最大方差σ i和σ 2 ; 第三步:將兩方差％和σ 2進(jìn)行比較，找到最大的方差對(duì)應(yīng)的閾值作為下一次分割的閾值點(diǎn)，以此類推，直至找到給定的閾值數(shù)為止； 第四步:根據(jù)平滑后的直方圖，找到所有的波谷點(diǎn)； 第五步:把步驟三中得到的所有的閾值點(diǎn)和步驟四中得到的波谷點(diǎn)進(jìn)行比較，找到波谷點(diǎn)中最接近步驟三中求的閾值，把該波谷點(diǎn)作為最終所求的閾值。
2.根據(jù)權(quán)利要求1所述的基于灰度直方圖的多閾值分割法，其特征在于第二步中所述的直方圖區(qū)間分成[O，和[&+1，一，1^1]兩類，其中L代表灰度級(jí)。
3.根據(jù)權(quán)利要求1所述的基于灰度直方圖的多閾值分割法，其特征在于第三步中如果σ ! > σ2，在區(qū)間[O，內(nèi)部找到方差O1對(duì)應(yīng)的閾值t2，然后在區(qū)間[0，...，?2_1]和區(qū)間[t2+l，…，tfl]內(nèi)部找到最大方差O3和方差σ4，在第二步中剩下的沒有選擇的方差σ 2參與本次的方差比較，找到最大方差max( σ 3，σ 4，σ 2)對(duì)應(yīng)的閾值t3。
4.根據(jù)權(quán)利要求1所述的基于灰度直方圖的多閾值分割法，其特征在于第四步中對(duì)圖像進(jìn)行均值濾波后得到平滑后的直方圖。
【文檔編號(hào)】G06T7/00GK103578095SQ201210257574
【公開日】2014年2月12日 申請(qǐng)日期:2012年7月24日 優(yōu)先權(quán)日:2012年7月24日
【發(fā)明者】王瓊, 劉欣欣, 李雪, 趙春霞 申請(qǐng)人:南京理工大學(xué)