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.