对于简单的灰度图像,如果目标与背景的灰度存在一定的差异,那么可以用阈值来提取目标。关键是确定阈值,常用方法有:
模态法、P参数法、可变阈值法、大津法和迭代逼近法等。
模态法:
取直方图的波谷作为阈值。适用于目标与背景灰度差异较大,目标与背景的直方图各有一个波峰的灰度图像。
如果直方图凹凸较激烈,寻找波谷存在困难,可以用领域点平均化处理使直方图相对平滑。
P参数法:
当目标占图像的面积比例已知,且目标最小灰度值大于背景最大灰度值时,可采用P参数法。具体做法是,如果目标灰度接近白色,则在
直方图右侧开始累计像素,直到累计像素占总像素数比例为P时,将当前的灰度作为阈值(否则从左侧开始累计)。
例如下图,月亮所占比列为0.45,它最低灰度与背景灰度稍有重合,阈值确定为75,最终基本提取出目标。
可变阈值法:
当图像背景灰度多变时,可以为图像不同部位设置不同的阈值,这样可以很好地去除干扰。
例如提取下图的蒲公英,图像上部光照多,主要为蒲公英的羽毛,下部光照少,且主要为茎,对上中下采取不同阈值的提取效果会好很多。
大津法:
大津法的应用最广泛,有很好的自适应阈值。适用于批量图像提取或者动态灰度图像提取(然而事实证明,当大津遇到反光时,干扰也会很严重)。
大津法的原理如下:
设T为分割阈值,由此划分出区域记为R1和R2。
R1占图像总像素的比例为θ1,R2占图像总像素的比例为θ2。
图像的平均灰度值为μ0,R1的平均灰度为μ1,R2的平均灰度为μ2。
显然有:
μ0=θ1*μ1+θ2*μ2
如果阈值选得恰当,则R1与R2的灰度差应该较大,那么μ1与μ0、μ2与μ0的差的绝对值也就较大。
定义类间方差,来反应灰度差大小:
σ2=θ1(μ1-μ0)2+θ2(μ2-μ0