图像分割(针对高铁扣件)
在对图像的研究和应用中,人们往往仅对图像中的某些部分感兴趣,这些部分通常被称为前景或目标,其余部分则称为背景。目标一般对应于图像中特定的、具有独特性质的区域。独特性质可以是像素的灰度值、物体轮廓曲线、颜色和纹理等。为了识别和分析图像中的目标,需要将它们从图像中分离提取出来,在此基础上才有可能进一步对目标进行测量和对图像进行利用。图像分割就是指把图像分成各具特性的区域,并提取感兴趣目标的技术和过程。
本文是在高铁扣件检测这一背景下,针对扣件检测识别问题而提出的。通过对多种不同的图像分割算法,验证高铁扣件以及铁轨检测的效果。也是对传统图像分割算法的对比。
1. 基于阈值的图像分割
1.1 全局阈值法
采用阈值确定边界的最简单方法是在整个图像中将灰度阈值设为常数。当图像中背景的灰度值在整个图像中与前景明显不同时,只需要设置正确的阈值,使用一个固定的全局阈值就会有好的效果。
1.1.1 基于灰度直方图的阈值分割
对于给定的图像,可以通过分析直方图的方法确定最佳的阈值。例如,当直方图明显呈现双峰情况时,可以选择两个峰值的中点作为最佳阈值。
Fig.1 给定图像和其直方图图像