图像阈值分割---迭代算法

图像阈值分割---迭代算法

1.处理流程：

       1.为全局阈值选择一个初始估计值T(图像的平均灰度)。
       2.用T分割图像。产生两组像素：G1有灰度值大于T的像素组成，G2有小于等于T像素组成。
       3.计算G1和G2像素的平均灰度值m1和m2；
       4.计算一个新的阈值:T = (m1 + m2) / 2;
       5.重复步骤2和4,直到连续迭代中的T值间的差小于一个预定义参数为止。

       适合图像直方图有明显波谷

2.源代码

/******************************************************************************* 
函数名称  : IterativeAlgorithm 
函数描述  : 图像算法：图像阈值分割---迭代算法(适合图像直方图有明显波谷)
输入参数  : IplImage *pImage---------------------------图像指针(灰度图)
                   int nMaxIter----------------------------------最大迭代次数
				   int& iDiffRec---------------------------------使用给定阀值确定的亮区与暗区平均灰度差异值
输出参数  : N/A
返 回 值    : int iThrehold---------------------------------迭代得到的阈值
作     者     : N/A    2013-01-22
处理流程：1.为全局阈值选择一个初始估计值T(图像的平均灰度)。
          2.用T分割图像。产生两组像素：G1有灰度值大于T的像素组成，G2有小于等于T像素组成。
          3.计算G1和G2像素的平均灰度值m1和m2；
	  4.计算一个新的阈值:T = (m1 + m2) / 2;
          5.重复步骤2和4,直到连续迭代中的T值间的差小于一个预定义参数为止。
*******************************************************************************/ 
int CThreasholdProcess::DetectThreshold(const IplImage *img, int nMaxIter, int& iDiffRec)
{
		//图像信息
		int iHeight = img->height;
		int iWidth = img->width;
		int iStep = img->widthStep/sizeof(uchar);
		uchar *pData = (uchar*)img->imageData;

		iDiffRec =0;
		int F[256]={ 0 }; //直方图数组
		int iTotalGray=0;//灰度值和
		int iTotalPixel =0;//像素数和
		byte bt;//某点的像素值

		uchar iThrehold = 0; //阀值
		uchar iNewThrehold = 0; //新阀值
		uchar iMaxGrayValue=0,iMinGrayValue=255;//原图像中的最大灰度值和最小灰度值
		uchar iMeanGrayValue1,iMeanGrayValue2;

		//获取(i,j)的值，存于直方图数组F
		for(int i=0;i<iWidth;i++)
		{
			for(int j=0;j<iHeight;j++)
			{
				bt = pData[i*iStep+j];
				if(bt<iMinGrayValue)
					iMinGrayValue = bt;
				if(bt>iMaxGrayValue)
					iMaxGrayValue = bt;
				F[bt]++;
			}
		}

		iThrehold =0;
		iNewThrehold = (iMinGrayValue+iMaxGrayValue)/2;//初始阀值(图像的平均灰度)
		iDiffRec = iMaxGrayValue - iMinGrayValue;

		for(int a=0;(abs(iThrehold-iNewThrehold)>0.5)&&a<nMaxIter;a++)//迭代中止条件
		{
			iThrehold = iNewThrehold;
			//小于当前阀值部分的平均灰度值
			for(int i=iMinGrayValue;i<iThrehold;i++)
			{
				iTotalGray += F[i]*i;//F[]存储图像信息
				iTotalPixel += F[i];
			}

			iMeanGrayValue1 = (uchar)(iTotalGray/iTotalPixel);
			//大于当前阀值部分的平均灰度值
			iTotalPixel =0;
			iTotalGray =0;
			for(int j=iThrehold+1;j<iMaxGrayValue;j++)
			{
				iTotalGray += F[j]*j;//F[]存储图像信息
				iTotalPixel += F[j];    
			}

			iMeanGrayValue2 = (uchar)(iTotalGray/iTotalPixel);

			iNewThrehold = (iMeanGrayValue2+iMeanGrayValue1)/2;        //新阀值
			iDiffRec = abs(iMeanGrayValue2 - iMeanGrayValue1);
		}

		return iThrehold;
}

3.演示;

演示结果见http://blog.csdn.net/ily6418031hwm/article/details/8525695 的演示结果