基于阈值的灰度图像提取法

　　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