10.3.3 使用Otsu's方法的最佳全局阈值处理(1)
令一幅图像的直方图成分由下式表示:
其中,n是图像中像素的总数,nq是灰度级为q的像素数目,L是图像中所有可能的灰度级数(记住,灰度级是整数值)。现在,假设阈值k已经选定了,C1是一组灰度级为[0,1,2,…,k]的像素,C2是一组灰度级为[k+1,…,L-1]的像素。Otsu's为最佳方法,在某种意义上,选择阈值k,最大类间方差 定义为:
这里, 是集合C1发生的概率:
例如,如果设置k=0,那么拥有为k赋值的任何像素C1集合的概率为0,类似的,集合C2发生的概率是:
和 分别是集合C1和C2中像素的平均灰度。 是全局均值(整个图像的平均灰度):
此外,直到灰度级k的平均灰度由下式给出:
展开 的表达式,并使用 这一事实,我们可以把类间方差写成:
这个式子在计算上稍微有效一些,因为对于所有的k值来说,只有两个参数m和P1必须计算(mG只计算一次)。将类间方差最大化的想法是:方差较大,完全分割一幅图像的阈值将会更接近。注意,这个最佳度量完全基于参数,它可以直接从图像的直方图得到。另外,因为k是处于范围[0,L -1]内的整数,所以寻找 的最大值是很简单的事情。我们一步步通过k的L个可能值,并在每一步计算方差。然后,选择给出 最大值的k。这个k就是最佳阈值。如果最大值不唯一,那么所用的阈值是找到的所有最佳k值的平均。类间方差对总的图像灰度方差的比率,是把图像灰度分为两类(也就是物体和背景)的可分性度量:
可用如下范围来显示:
其中,k是最佳阈值。该度量可用于使恒定图像(像素完全不可以分成两类)达到最小值,还可用于使二值图像(像素完全可分)达到最大值。
工具箱函数graythresh用于计算Otsu's阈值。语法是:
[T, SM] = graythresh(f)
在这里,f是输入图像,T是产生的阈值并被规一化到[0,1]中,SM是可分性度量。正如前面说明的那样,函数im2bw用来分割图像。
【责任编辑:book TEL:(010)68476606】
点赞 0