【图像分割】改进的萤火虫算法优化二维OTSU图像分割【含Matlab源码 2304期】

⛄一、基于改进萤火虫算法的二维Otsu图像分割法简介

图像分割是数字图像处理技术中的一种重要方法,它简化了图像并且改变图像的表现形式,从而使图像更容易被理解和分析.图像分割的精确度对后续任务的处理会起到直接的影响,因此对其进行研究具有重要的理论价值和实际意义[1,2].常用的图像分割方法有:基于阈值的分割方法[3]、基于区域的分割方法[4]、基于边缘的分割方法[5]以及基于特定理论的分割方法等.其中,基于阈值的分割方法简单、有效、稳定,是实际应用过程中常用的一种图像分割技术.
为了更好地解决二维Otsu算法和萤火虫算法在图像分割优化中存在的复杂度高、实时性差等问题,本文提出了一种基于萤火虫算法改进的二维Otsu图像阈值分割方法.基本思想是将求解二维Otsu的目标函数问题转化为用萤火虫算法求解最优解问题,得出图像的最佳分割阈值,然后分割图像.实验结果表明,本文提出的算法分割效果理想、程序运行时间短.

1 二维犗狋狊狌阈值分割方法
设有一幅灰度级为L的图像f(x,y),邻域平滑图像g(x,y)的灰度级也为L,g(x,y)中像素的灰度值为3×3邻域内的灰度均值.对于图像中的任意一个像素就可以由像素灰度值i和邻域平均灰度值j构成的二维单元来表示.假设,M为图像的总像素个数,fij为像素的灰度值为i而且邻域的平均灰度值为j的像素点的个数,那么二维单元(i,j)出现的概率为

任意给定一个阈值向量(s,t),将二维直方图分割成如图1 中所示的A,B,C,D四个区域.其中,区域B和C表示图像中的目标类和背景类,区域A和D则对应与图像中的边缘点和噪声.分别用C1和C0来表示二维直方图中的目标类