一种自适应全局阈值二值化方法技术

本发明专利技术涉及一种自适应全局阈值二值化方法，包括：步骤S1：将原始图像进行8位深度灰度化，对灰度化后的图像计算其灰度分布，形成灰度分布集合S；步骤S2：对图像的灰度分布进行处理计算，通过图像的灰度分布计算出对每个单独图像较适合的全局阈值，得到计算后的全局阈值；对使用最终的全局阈值T对原始图像进行分割，形成二值化图像。本发明专利技术的自适应全局阈值二值化，通过图像的灰度分布计算出对每个单独图像较适合的全局阈值，提供了一种在清晰度较低的微循环图像上提取尽可能多信息的方法，可适用于不同成像质量的微循环图像处理。

An adaptive global threshold binarization method

【技术实现步骤摘要】
一种自适应全局阈值二值化方法
本专利技术属于人体微循环机器视觉领域，具体涉及一种更适合于不同成像质量的微循环图像的自适应全局阈值二值化方法。
技术介绍
在微循环监测领域，获取清晰的微循环图像对于诊断至关重要。在微循环图像的处理上，从原始图像转化为二值化图像是一个关键步骤，对后续图像处理和参数计算起到关键作用。由于微循环领域的医学图像一般会出现照明不均匀，从而导致的图像背景亮度不均匀，也可能出现对焦导致图像部分模糊；因此，在不同位置、不同时刻，由不同人采集的微循环图像质量差异极大。采用传统的固定阈值二值化方法或自适应局部阈值二值化方法对图像进行处理，得到的处理效果往往达不到医学诊断对于微循环图像质量的要求。其中，前者方法的泛化效果极差，即在某些图片上效果不错的二值化结果在其他图片上处理效果很差，典型的问题是背景被处理成前景，或将部分前景处理成背景，进而引入识别误差(见图1)；而由于微循环图像没有明确目标物体以及照明条件不可控的特性，采用后者方法效果甚至更差(见图2)。
技术实现思路
本专利技术的目的在于针对上述本文档来自技高网...

【技术保护点】
1.一种自适应全局阈值二值化方法，其特征在于，包括：/n步骤S1：将原始图像进行8位深度灰度化，对灰度化后的图像计算其灰度分布，形成灰度分布集合S；/n步骤S2：对图像的灰度分布进行处理计算，得到计算后的全局阈值；所述步骤S2具体包括：/n步骤S21，对灰度分布集合S进行过滤，得到灰度分布集合S的子集Sv；/n步骤S22，设置步长Step为Sv长度的1/40，如果步长Step小于1，则设置步长Step为1；/n步骤S23，设阈值为T，以阈值T为分割点，将Sv分割为两个子集Sv1和Sv2，分别求Sv1和Sv2中灰度值与计数的加权平均值

【技术特征摘要】
1.一种自适应全局阈值二值化方法，其特征在于，包括：
步骤S1：将原始图像进行8位深度灰度化，对灰度化后的图像计算其灰度分布，形成灰度分布集合S；
步骤S2：对图像的灰度分布进行处理计算，得到计算后的全局阈值；所述步骤S2具体包括：
步骤S21，对灰度分布集合S进行过滤，得到灰度分布集合S的子集Sv；
步骤S22，设置步长Step为Sv长度的1/40，如果步长Step小于1，则设置步长Step为1；
步骤S23，设阈值为T，以阈值T为分割点，将Sv分割为两个子集Sv1和Sv2，分别求Sv1和Sv2中灰度值与计数的加权平均值和设Sv1中灰度值为a1,a2,...,an，an出现的次数ωn计数为权；设Sv2中灰度值为a1,a2,...,am，am出现的次数ωm计数为权；则



步骤S24，以步长Step逐步移动T，直至和的均值小于T为止，即时，取此时的值作为最终的全局阈值T；
步骤S3：使用最终的全局阈值T对原始图像进行分割，形成二值化图像。


2.根据权利要求1所述的自适应全局阈值二值化方法，其特征在于，所述对灰度化后的图像计算其灰度分布，形成灰度分布集合S，具体为：灰度化后的图像灰度值为0-255之间，统计灰度值从0到2...

【专利技术属性】
技术研发人员：亚历克斯布兰多，罗晓川，林伟鹏，陈大强，
申请(专利权)人：广州医软智能科技有限公司，
类型：发明
国别省市：广东;44