阈值分割是一种常用的图像分割方法,基于灰度阈值的选取将图像灰度划分为一个或几个集合,实现图像的分割。
阈值分割方法的关键是阈值选取准则,常用的准则有最大类间方差(OTSU 大津法)和信息熵。
信息熵包括很多种:一维最大熵,二维最大熵,交叉熵,待分割目标与背景最大类间交叉熵,分割前后图像间最小交叉熵等。
信息熵表示从信息源中可能获得的信息的大小。假设事件xi发生的概率为,其自信息量定义为pi:
自信息量的数学期望称为事件xi的信息熵,表示事件在不同发生概率时的信息量。统计每个灰度值像素点的个数以及概率,灰度值t把图像分为目标和背景,计算目标与背景中灰度值像素点的概率和w1,w2、分别得到目标信息熵与背景信息熵H1、H2,以目标和背景信息熵总和最大时的灰度值t为最终的分割阈值。具体步骤如下:
设图像的总像素个数为M*N,图像灰度级的概率分布为:
式中表示灰度级为i的像素点个数。背景包含的像素点的灰度范围为,运动目标包含的像素点灰度范围为。背景的灰度分布概率为:
运动目标的灰度分布概率为: