python图像分割动态域值_动态阈值结合全局阈值对图像进行分割

收稿日期

:2001

-

10

-

10

基金项目

:

南昌大学基础理论基金资助项目

.

作者简介

:

涂其远

,

男

,1977

年生

,

硕士研究生

.

文章编号

:1006

-

0456

(

2002

)

01

-

0037

-

04

动态阈值结合全局阈值对图像进行分割

涂其远

,

吴建华

,

万国金

(

南昌大学

电子信息工程学院

,

江西

南昌

330029

)

摘要

:

首先讨论了图像阈值分割的两种方法

:

全局阈值图像分割和动态阈值图像分割

.

当背景的灰度值可看作

恒定时

,

使用全局阈值一般会有较好的效果

;

在许多情况下

,

背景的灰度值并不是常数

,

物体和背景的对比度也有

变化

,

我们可将一个随图像位置缓慢变化的函数设为阈值

,

即采用动态阈值

.

但由于我们要对图像分块

,

简单的动

态阈值分割所得的图像通常包含人为的边界和阴影

,

为改善图像分割效果

,

本文提出了把全局阈值和动态阈值结

合起来对图像进行分割的一种新的图像阈值分割方法

.

实验表明

,

该方法比单独采用全局阈值或动态阈值方法性

能优越

.

关键词

:

图像分割

;

阈值

;

全局阈值

;

动态阈值

中图法分类号

:

TN

911

1

73

文献标识码

:A

1

引言

图像分割技术是图像处理中的一种重要技术

,

其中比较常用的一种是利用阈值对图像进行分割

.

图像阈

值分割主要利用图像中要提取的目标物体与背景在灰度上的差异

,

把图像分为具有不同灰度级的目标区域

和背景区域的组合

.

利用阈值对图像进行分割时

,

关键是找到恰当的阈值

,

利用阈值将图像物体和背景区分

开来

.

当图像目标物体与背景灰度相差较大时

,

找到一个全局阈值对图像进行分割可取得比较满意的结果

;

当图像比较复杂

,

图像背景或物体灰度变化比较大

,

或者图像物体和背景灰度值比较接近时

,

利用全局阈值

对图像进行分割可能会把图像的局部细节忽略

,

此时我们可以考虑采用动态阈值进行分割

.

但是采用动态阈

值分割图像时

,

由于我们人为地对图像分块

,

比较容易产生阴影和人为边界

,

我们可以把动态阈值与全局阈

值结合起来

,

以改善图像分割效果

.

2

全局阈值图像分割

当图像背景比较单一

,

图像灰度直方图明显呈双峰分布时

,

采用全局阈值进行图像分割一般可得到比较

满意的结果

.

全局阈值图像分割的方法有多种

,

如直方图阈值图像分割

、

类间差阈值图像分割

、

最大熵阈值图

像分割等

.

下面简单介绍类间差阈值图像分割的基本原理

[1

]

.

设图像共有

L

个灰度级

,

灰度为

i

的像素共有

n

i

个

,

图像共有

N

个像素

,

归一化直方图

,

令

P

i

=

n

i

/

N

设阈值为

t

,

将图像灰度值分为两类

:

C

0

=

{

0

,

1

,

2

,

…

,

t}

C

1

=

{

t

+

1

,

t

+

2

,

…

,

L

-

1

}

则

C

0

,

C

1

类出现的概率和均值可由下式给出

:

W

0

=

P

(

C

0

)

=

∑

t

i

=

0

P

i

=

W

(

t

)

W

1

=

P

(

C

1

)

=

∑

L

-

1

i

=

t

+

1

P

i

=

1

-

W

(

t

)

U

0

=

∑

t

i

=

0

i

P

i

/

W

0

=

U

(

t

)

/

W

0

U

1

=

∑

L

-

1

i

=

t

+

1

i

P

i

/

W

1

=

[

U

T

-

U

(

t

)

]/

(

1

-

W

0

)

式中

U

(

t

)

=

∑

t

i

=

0

i

P

i

U

T

=

U

(

L

-

1

)

=

∑

L

-

1

i

=

0

i

P

i

对任何

t

值均有

W

0

・

U

0

+

W

1

・

U

1

=

U

T

W

0

+

W

1

=

1

第

24

卷第

1

期

2002

年

3

月

南昌大学学报

(

工科版

)

Journal

of

Nanchang

University

(

Engineering

&

Technology

)

Vol.

24

No.

1

Mar.