新闻资讯

当前位置:首页 > 新闻中心 > 公司新闻

    图像处理算法介绍:阈值分割

    来源:localhost    发布于:2016-6-7 16:47:13    点击量:


     

    关键词:图像处理,阈值,阈值分割,最大类间方差

     

    在图像处理时,受外界光线的干扰一般比较大,假如在阈值分割时采用固定阈值,那么在环境改变时分割效果受影响极大,那么为了避免此影响就必须采用动态阈值,自动求出合适的阈值,将目标图像和背景图像分割开来。

     

    图像阈值化分割是一种最常用,同时也是最简单的图像分割方法,它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量,而且也大大简化了分析和处理步骤,因此在很多情况下,是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。因此,这里科天健将简要介绍图像处理算法:阈值分割。


     

                                      原始图像                            阈值化

     

    阈值分割法是一种基于区域的图像分割技术,其基本原理是:通过设定不同的特征阈值,把图像像素点分为若干类。常用的特征包括:直接来自原始图像的灰度或彩色特征;由原始灰度或彩色值变换得到的特征。设原始图像为f(xy),按照一定的准则在f(xy)中找到特征值T,将图像分割为两个部分,当像素点灰度值或彩色值大于T时,则置为A1(其置可为1),小于T时,则置为A0(其置可为0)。

     

    几种常用的阈值分割方法:

    1p-分位数法

    这也是最基础最简单的一种图像分割方法。该方法使目标或背景的像素比例等于其先验概率来设定阈值,简单高效,但是对于先验概率难于估计的图像却无能为力。例如,根据先验知识,知道图像目标与背景象素的比例为PO/PB,则可根据此条件直接在图像直方图上找到合适的阈值T,使得f(x,y)>=T的象素为目标,f(x,y)的象素为背景。

     

    2、迭代方法选取阈值

    初始阈值选取为图像的平均灰度T0,然后用T0将图像的像素点分作两部分,计算两部分各自的平均灰度,小于T0的部分为TA,大于T0的部分为TB。计算后,将T1 作为新的全局阈值代替T0,重复以上过程,如此迭代,直至TK 收敛,即TK+1=TK 。经试验比较,对于直方图双峰明显,谷底较深的图像,迭代方法可以较快地获得满意结果。但是对于直方图双峰不明显,或图像目标和背景比例差异悬殊,迭代法所选取的阈值不如最大类间方差法。

     

    3、直方图凹面分析法

    方法对某些只有单峰直方图的图像,可以作出分割。从直观上说,图像直方图双峰之间的谷底,应该是比较合理的图像分割阈值,但是实际的直方图是离散的,往往十分粗糙、参差不齐,特别是当有噪声干扰时,有可能形成多个谷底。从而难以用既定的算法,实现对不同类型图像直方图谷底的搜索。通常采用低通滤波的方法平滑直方图,但是滤波尺度的选择并不容易。此方法仍然容易受到噪声干扰,对不同类型的图像,表现出不同的分割效果, 往往容易得到假的谷底。

     

    4、最大类间方差法

    Otsu1978年提出,其计算简单、稳定有效,一直广为使用。从模式识别的角度看,最佳阈值应当产生最佳的目标类与背景类的分离性能,但当图像中目标与背景的大小之比很小时方法失效。
    在实际运用中,往往使用以下简化计算公式:

    T) = WAa-μ)2 + WBb-μ)2

    其中, 为两类间最大方差,WA A类概率,μaA类平均灰度,WB B类概率,μbB类平均灰度,μ为图像总体平均灰度。即阈值T将图像分成A,B两部分,使得两类总方差 (T)取最大值的T,即为最佳分割阈值。

     

    科天健在自动道钉检测项目中采用的是最大类间方差法,自动将3D转化图像进行阈值分割,从而将不同高度的道钉与背景分割开来,以确定道钉是否缺失。

     

      

                                        道钉系统结构            道钉阈值分割处理图

相关阅读


在线销售咨询

销售咨询电话

13308491826

咨询时间

周一至周五
8:30 -- 18:00
友情链接 湖南科天健