基于HS通道的自适应阈值分割方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种基于HS通道的自适应阈值分割方法、装置和存储介质，该方法包括以下步骤：S1、收集目标图片并存储；S2、对收集到的图片RGB各值进行归一化处理，对所收集照片的进行分区；S3、将图片从RGB空间转换到HSI色彩空间中，对整体图片和各分区图像的H、S通道分量进行读取；S4、建立滑窗对每一分区图像求解该区域的最佳分割阈值，再结合H、S所占权重对最佳分割阈值进行优化，得到最优分割阈值，同时求解该分区的类间方差；S5、若类间方差小于最优分割阈值，则将该分区设为空白区域；以及S6、对分割处理后的各个分区的图像合并得到基于HSI色彩空间的最优阈值分割二值图。本分割方法实现了不同光照条件下的图像进行准确分割。

【技术实现步骤摘要】
基于HS通道的自适应阈值分割方法、装置和存储介质
本专利技术涉及一种新型的基于HS通道的图像自适应阈值分割方法和基于HS通道的图像自适应阈值分割装置，属于图像分割领域。
技术介绍
图像分割技术是计算机视觉领域的重要的一部分，是图像语义理解的重要一环。图像分割是指将图像分成若干具有相似性质的区域的过程。图像分割是图像分析的第一步，之后的步骤如特征提取，目标识别等都是建立在图像分割之上，所以图像分割的好坏直接影响了之后的图像分析。阈值分割法是一种PR法，就是简单的用一个或几个阈值将图像的直方图分成几类，灰度值在同一个灰度类内的属于同一个类。其过程是选定一个合适的灰度值用以区分不同的类，称这个用以区分的灰度值为阈值。关于彩色图像分割早已成为众多学者研究的热点。HSI色彩空间是从人的视觉系统出发，用色调(Hue)、色饱和度(Saturation或Chroma)和亮度(Intensity或Brightness)来描述色彩，它反映了人的视觉系统以色调、饱和度和亮度三种基本特征量来感知颜色的独特感知方式。已有学者将HIS色彩空间用于彩色图像分割领域中，例如：王鼎文等学者提出了基于HSI色彩空间对X射线色彩图像进行分割的算法，首先用S分量进行粗分割，提取出目标物后，利用H、I联合分量进行阈值分割；李峻提出了基于HSI颜色空间，提高图像分割对光照变化的鲁棒性,利用HS分量联合统计改善自适应阈值的算法。现有技术存在以下问题：当光照不均匀时或者含有阴影部分时，会导致灰度值整体偏低，对比度低，造成识别困难和有效信息提取困难的问题，使得形成的二值图不会出现大片黑色的情况。
技术实现思路
本专利技术的目的在于提供一种基于HS通道的图像自适应阈值分割的方法，以实现对不同光照条件下的图像进行准确分割。本专利技术的目的还在于提供一种计算机装置，其能够执行图像自适应阈值分割程序，以实现对不同光照条件下的图像进行准确分割。本专利技术的目的还在于提供一种计算机可读存储介质，其存储有图像自适应阈值分割程序，该程序在执行时能够实现对不同光照条件下的图像进行准确分割。为此，本专利技术提供了一种基于HS通道的图像自适应阈值分割的方法，包括以下步骤：S1、收集目标图片并存储；S2、对收集到的图片R、G、B各值进行归一化处理，对所收集照片的进行分区；S3、将图片从RGB空间转换到HSI色彩空间中，对整体图片的H、S通道分量进行读取，并且对各分区图像的H、S通道分量进行读取；S4、建立滑窗对每一分区图像求解该区域的最佳分割阈值Kn”，再结合H、S所占权重对最佳分割阈值Kn”进行优化，得到最优分割阈值Kn’，同时求解该分区的类间方差η；S5、若类间方差η小于最优分割阈值，则将该分区设为空白区域；以及S6、对分割处理后的各个分区的图像合并得到基于HSI色彩空间的最优阈值分割二值图。本专利技术还提供了一种计算机装置，包括存储器和处理器，所述存储器存储有图像自适应阈值分割程序，所述处理器在执行图像自适应阈值分割程序时，实现根据上面所描述的基于HS通道的图像自适应阈值分割方法的步骤。本专利技术还提供了一种计算机可读存储介质，其存储有图像自适应阈值分割程序，所述图像自适应阈值分割程序在被处理器执行时实现根据上面所描述的基于HS通道的图像自适应阈值分割方法的步骤。与其他方法相比，本专利技术技术对图片使用滑窗分区域求解各部分阈值，并利用了HSI空间和光线的强度的关系，将H、S分量作为影响因子加入到自适应阈值求解过程当中。既避免了整体求解阈值带来的会导致灰度值整体偏低，对比度低，造成识别困难和有效信息提取困难，也使得分割后更加准确和符合人眼视觉。对二值化后的图片进行色彩还原，让其很好的表现出其原本色彩纹理等特性。除了上面所描述的目的、特征和优点之外，本专利技术还有其它的目的、特征和优点。下面将参照图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术的基于HS通道的图像自适应阈值分割的方法的流程图；图2是根据本专利技术的分割方法的对每一分区图像进行自适应阈值求解的流程图；图3是收集的目标图片(照片)，其中，目标为大豆叶片；图4是对目标图片进行分区的示意图；图5是根据本专利技术分割方法得到的目标二值化图像；图6是根据本专利技术的还原颜色后的分割图像。具体实施方式下面将参考附图并结合实施例来详细说明本专利技术。图1是根据本专利技术的基于HS通道的图像自适应阈值分割的方法的流程图。如图1所示，下面将本分割方法的各步骤依次介绍。S1、先收集目标图片，进行存储，如图2所示。S2、图片预处理：在图片分割前，对原图片的R、G、B各值进行归一化，所谓归一化处理，即使得R、G、B∈[0,1]，并且将变换过后的H范围设在0°～360°，S、I∈[0,1]。对图片进行合适分区，例如将整体图片分为6*6或者8*8个区块，每个区块的面积相同，区块通常呈长方形，如图3所示。S3、将归一化后原图片从RGB空间转换到HSI色彩空间中，对H、S、I三个色彩分量进行处理，并对整体图像的H、S通道分量进行读取，并记为和具体的变换公式如下：其中，S4、先对整体图片进行最佳阈值求解，得到整体阈值为K，然后对各颜色通道分量进行分区处理，得到相应区域的HS通道分量，然后对每一分区图像求解自适应阈值。同时求解两类像素C0和C1即目标和背景所属类的类间方差。图像像素可以根据阈值，被区分成背景与前景两部分，改进后的算法是根据局部变化区分对待均匀和非均匀区域，区分前景点与背景点即所需目标部分和背景部分，然后计算区分这两部分的最佳阈值，结合H、S通道权重进行优化，得到最优分割阈值，通过该最优分割阈值使得两部分区分度最大地进行图像分割。结合参照图2，对每一分区图像求解自适应阈值的具体方法如下：使用一个水平滑窗，从左往右、从上往下逐区滑动。其中，水平滑窗的大小取决于图像分区，即水平滑窗的大于为一个区块大小。对于窗口内的像素，计算窗口内局部最佳阈值，其中，计算窗口内局部最佳阈值的方法如下：设每个滑块窗口内的原始灰度级为M，灰度级为i的像素点个数为ni，每一区块的总体H和S分量的期望值分别为和首先对灰度直方图进行归一化：对于两类像素C0和C1即目标和背景所属类，每一类出现的概率分别为：每一类的平均灰度值分别为：其中当灰度为t时的灰度累计值为：整个灰度范围0～M的灰度累计值为：对于目标和背景每一类像素，其内部方差为：为了衡量灰度级为t时的类间方差λ，定义如下：其中：<本文档来自技高网...

【技术保护点】
1.一种基于HS通道的图像自适应阈值分割方法，其特征在于，包括以下步骤：/nS1、收集目标图片并存储；/nS2、对收集到的图片R、G、B各值进行归一化处理，对所收集照片的进行分区；/nS3、将图片从RGB空间转换到HSI色彩空间中，对整体图片的H、S通道分量进行读取，并且对各分区图像的H、S通道分量进行读取；/nS4、建立滑窗对每一分区图像求解该区域的最佳分割阈值Kn”，再结合H、S所占权重对最佳分割阈值Kn”进行优化，得到最优分割阈值Kn’，同时求解该分区的类间方差η；/nS5、若类间方差η小于最优分割阈值，则将该分区设为空白区域；以及/nS6、对分割处理后的各个分区的图像合并得到基于HSI色彩空间的最优阈值分割二值图。/n

【技术特征摘要】
1.一种基于HS通道的图像自适应阈值分割方法，其特征在于，包括以下步骤：
S1、收集目标图片并存储；
S2、对收集到的图片R、G、B各值进行归一化处理，对所收集照片的进行分区；
S3、将图片从RGB空间转换到HSI色彩空间中，对整体图片的H、S通道分量进行读取，并且对各分区图像的H、S通道分量进行读取；
S4、建立滑窗对每一分区图像求解该区域的最佳分割阈值Kn”，再结合H、S所占权重对最佳分割阈值Kn”进行优化，得到最优分割阈值Kn’，同时求解该分区的类间方差η；
S5、若类间方差η小于最优分割阈值，则将该分区设为空白区域；以及
S6、对分割处理后的各个分区的图像合并得到基于HSI色彩空间的最优阈值分割二值图。


2.根据权利要求1所述的基于HS通道的图像自适应阈值分割方法，其特征在于，还包括以下步骤：
S7、统计所述二值图中黑色点的个数，将白色点的背景色设为白色，将黑色点的背景色重新设为从原图中提取出的R、G、B值，则得到所需分割部分的彩色图像。


3.根据权利要求1所述的基于HS通道的图像自适应阈值分割方法，其特征在于，所述整体图像分为n*n个长方形区块，每个区块的面积相同。


4.根据权利要求...

【专利技术属性】
技术研发人员：张武，姚雨晴，彭景，冯金磊，万盛民，徐伟豪，左冠鹏，张超，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：安徽;34