一.实验目的
1.图像二值化(阈值t)
2.实现简单直方图阈值分割或otsu图像分割算法,输出分割阈值。
3.对一张图片(文本图片或其他具有双峰直方图性质的图片)进行图像分割,用所写算法进行分割,分析处理结果(阈值是否合适,图像中哪些地方分割的不好,可能原因是什么)。
二.实验仪器
PC机,matlab
三.实验原理
图像分割就是指把图像分成各具特性(灰度、颜色、纹理)的区域,并提取出感兴趣目标的技术和过程。
1.基于灰度阈值化的图像分割
阈值化分割是一种广泛应用的分割技术,利用图像中要提取的目标物与其背景在灰度特性上的差异,把图像视为具有不同灰度级的两类区域(目标和背景)的组合,选取一个合适的阈值,以确定图像中每个像素点应该属于目标还是背景区域,将目标从背景中分离出来,从而产生相应的二值图像。
2.otsu图像分割算法
OTSU算法被称为最大类间方差法。该方法主要是通过寻找最佳阈值,进行前后背景分割。确定最佳阈值是通过使类间方差最大实现的,使类间方差最大的分割意味着错分概率最小。
四.实验完整代码
简单直方图阈值分割算法实现图像分割
采用图像的全局信息,既图像的灰度直方图,在图像中使用一个阈值,将图像分为两个区域,即目标对象和背景对象,图像的灰度阈值设置为常数。
% 简单直方图阈值分割
%1.读取图像
picture = imread('mine.png'); %读取使用图像
figure,imshow(picture);
%2.对图像进行灰度化处理
picture1 = rgb2gray(picture); %对图像灰度化
%3.对图像元素求均值
T = mean2(picture1);
count = 0; %起始数为0
i = T;
%4.进行阈值计算
while i > 0.5
count = count + 1;
g = picture1 > T;
T1 = 0.5*(mean2(picture1(g)) + mean2(picture1(~g)));
i = abs(T1-T);
T = T1
end
%5.绘制图像
figure,imshow(picture1); %绘制原图
figure,imhist(picture1); %绘制图片的直方图
picture2 = im2bw(picture1,T/255);
figure,imshow(picture2); %绘制分割后的图像
五.实验结果
- 原图像
- 灰度图像
- 图像直方图
- 图像分割后的结果
六.实验结果分析与总结
从图1.3的直方图可以看出,选用的该图片具有明显的双峰性质,可以看出阈值大概在170左右,该算法得出的阈值在matlab的命令行窗口显示为:
如果改变阈值,阈值过小的结果为:
阈值过大的结果为:
可以看到,在图像分割的过程中,阈值不宜选择过大或过小,都会很大程度影响分割的效果,阈值太小则分割不完全,阈值太大则分割过多,因此在阈值分割的过程中,阈值的选择很重要,仅使用直方图不易确定出合适的阈值,在本次实验中,采用的是全局阈值法进行最后阈值的计算。
采用其他图片进行多次实验,总结出影响阈值分割的关键因素如下:
(1)直方图波峰之间的间隔
(2)图像的噪声情况
(3)目标物体和背景的相对尺度
(4)图像光源的均匀性
(5)图像反射的均匀性