基于阈值的图像二值化方法MATLAB

一、目录

1.以经验值128作为阈值分割
2.手动调试，寻找更好的阈值
3.自动选择合适的阈值方法

二、摘要

首先选取灰度值128为阈值，使用固定阈值的二值化处理，观察分割效果。得出两组由灰度值小于128和大于等于128 的像素组成的像素群，做出两组像素群的高斯分布，通过观察正态分布曲线和多次手动调试，最终选择合适的阈值为113。另外，为减少了手动调试的次数，本文还采取了观察图像的灰度直方图的方法，从视觉上直观快速地选择合适的阈值。

实验显示固定阈值128不能在图像的任何区域都创建一个无空洞的分割，本文采取了全局阈值Otsu法和全局阈值迭代法来自动分析阈值，得到了较好的分割效果。但实验结果仍存在较少的空洞，最后进行空洞填充，实现二值图像的最佳转化。

三、实验步骤

3.1 固定阈值法

（1）计算均值和方差

手动设置经验阈值128。在MATLAB中导入原始图片，使用rgb2gray()函数将图片转化为灰度图像，方便后续的计算和处理。然后，使用find()函数分别找出图像中灰度值小于和大于128的两组像素。接下来使用mean()函数和std()函数，分别求出两组灰度值数据的均值和标准差，见表4.1。


                                                                                              表3.1 两组灰度值数据的均值和标准差

分组	灰度值均值(EX)	灰度值标准差(Std)
灰度小于128的组	70.23	13.13
灰度大于128的组	157.83	18.85

（2）绘制和分析高斯分布图像

根据表4.1的两组均值和标准差，可以绘制出两组灰度值的正态分布图像，如图4.1所示。

                                                                                    图4.1 以128为阈值的两组灰度值的正态分布图像

在上图中，蓝色曲线代表灰度小于128的灰度值正态分布，橙色曲线代表灰度大于128的灰度值正态分布。通过观察可以看出，高斯分布曲线可以很好的呈现出左右两个独立的波峰，说明阈值128基本可以把物体和背景的灰度值有效地分开。
但是，两个曲线还存在交叉重叠的部分。两条有重叠部分，代表了图像中像素被误分的概率，原为目标物体的被分为背景，或者原为背景被分为目标物体，从而导致图像分割效果不佳。

（3）以128为阈值进行固定阈值分割

使用matlab中DIP工具箱函数im2bw,可以利用阈值变换法把灰度图像转换成二值图像。
BW = im2bw(I,level);其中level就是设置的阈值。level取值范围[0, 1]。输出图像 BW 将输入图像I中亮度值大于 level 的像素替换为值1 (白色)，其他替换为值0(黑色)。如果不指定level，im2bw默认为0.5。

设置level为128/256,得到的分割效果图如图4.2所示。硬币的像素点标记成了白色，背景标记成了黑色，算法基本可以把硬币和背景分开，但是在两个硬币中也存在一些黑色区域。这是因为拍摄照片光照的原因，固定的阈值128会施加在整张图片上，但是图片中不同区域之间适合的阈值不一定相同，所以对于某些光照不均的图像，这种阈值分割方法效果就不是很好。

为寻找是否有比128更好的阈值，本文通过多次手动调试阈值，观察高斯分布曲线的情况，最终得出以113为阈值能实现该图像更好的分割。因手动调试阈值麻烦且精确度不高，下面本文采用观察图像灰度直方图的方式来确定最优的固定阈值。

（4）观察灰度直方图选择最优固定阈值

灰度直方图是关于灰度级分布的函数。对图像中不同灰度级别出现的次数进行统计，统计后进行绘制直方图，横坐标表示灰度级别0-255，纵坐标表示每个灰度级别在图像中出现的次数，一般还会对次数进行归一化。灰度图像中画面比较简单且对象物的灰度分布比较有规律时，背景和对象物在图像的灰度直方图上各形成一个波峰，由于每两个波峰间形成一个低谷，因而选择双峰间低谷处所对应的灰度值为阈值，可将两个区域分离。

调用matlab中的imhist(I)函数，绘制出灰度图像的灰度直方图，图像如图4.3所示。观察该灰度直方图，图像中有两个波峰，选择双峰间低谷处所对应的灰度值为113作为最优阈值，可以得到更好的分割效果。以113为阈值的分割效果图和高斯分布图如图4.4，4.5所示。


首先，对比113和128两个阈值的分割效果图，以113为阈值的分割效果图中硬币的黑色区域明显减少，从视觉上可以直观地看出分割效果有了明显的进步。然后，对比两个阈值对应的高斯分布图像，可以清晰地看出以113为阈值的高斯分布图像中两个正态曲线交叉重叠部分较少，说明分割效果得到了较大的提升。

因此，通过多次手动调试观察正态分布曲线、观察图像的灰度直方图，得出存在比经验值128分割效果更好的阈值，这个阈值是灰度值113。

3.2 自动阈值选择法

为减少人工选取阈值的工作量，提升分割效果，本文选取两种自动阈值选择算法（全局阈值迭代法、全局阈值Otsu法）来自动选取合适的阈值，进行二值化分割。

（1）全局阈值迭代法

迭代法阈值获取的方法：
①选取一个的初始估计值T0（选择平均灰度)。
②使用初始预估值T0分割图像。这样便会生成两组像素集合：G1由所有灰度值大于T0的像素组成，而G2由所有灰度值小于或等于T0的像素组成。
③对G1和G2中所有像素计算平均灰度值u1和u2。
④计算新的阈值：T=1/2(u1+u2)。
重复步骤②到④，直到得