一种基于像素邻域信息的数字图像阈值自确定算法制造技术

本发明专利技术公开了一种基于像素邻域信息的数字图像阈值自确定算法，包括以下步骤：(1)选取图像的拉普拉斯模板，进行卷积计算获取L

【技术实现步骤摘要】
一种基于像素邻域信息的数字图像阈值自确定算法


[0001]本专利技术涉及数字图像信息提取领域，具体涉及一种基于像素邻域信息的数字图像阈值自确定算法。

技术介绍

[0002]随着数字成像技术(CT、SEM、FIB/SEM)迅速发展的，岩土材料的孔隙结构得以以灰度图像形式呈现。获取岩土体孔隙结构的最直接方式就是阈值分割方法。现有灰度算法主要以像素灰度的不连续变化或区域相似性特征来进行灰度图像分割，对于灰度直方图波峰平缓、相对对称或被具有明显双峰灰度级图像分割效果较好，通过选取两波峰之间的波谷点作为最佳阈值，从而对图像中目标和背景进行准确有效地分割而对于微观岩土材料灰度图像，灰度高度集中，直方图呈中间较大、两端较小的单峰分布；因此现有算法对岩土微观图像的灰度分割存在较大的误差，分割结果的真实性和可靠性较低。

技术实现思路

[0003]针对上述存在的技术不足，本专利技术的目的是提供一种基于像素邻域信息的数字图像阈值自确定算法。
[0004]为解决上述技术问题，本专利技术采用如下技术方案：
[0005]本专利技术提供一种基于像素邻域信息的数字图像阈值自确定算法，包括以下步骤：
[0006](1)选取图像的拉普拉斯模板，进行卷积计算获取L
‑
P灰度值；
[0007](2)将步骤(1)获取L
‑
P灰度值进行标记且替换原始图像灰度，并进行灰度值累积统计；
[0008](3)绘制替换后的灰度分布直方图并与原始灰度图像直方图进行对比；
[0009](4)标记替换后L
‑
P值灰度直方图与原始图像灰度直方图产生的两个交点，通过计算获取两个交点对应的像素点的灰度值区间，用此区间覆盖原始所有可分割边界像素灰度值，在此区间内进行分类间方差最大值的计算；
[0010](5)取分类间方差最大值处对应灰度为最佳分割阈值。
[0011]优选地，步骤(1)中的拉普拉斯模板采用如下模板：
[0012]1111
‑
81111
[0013]优选地，步骤(1)中的图像包括膨润土FIB
‑
SEM图像、煤SEM图像、砂岩CT图像、页岩CT图像。
[0014]优选地，步骤(1)在计算获取L
‑
P灰度值之前，绘制原始灰度图像直方图。
[0015]优选地，步骤(4)中的灰度区间值记为(T1,T2)，分类间方差最大值的计算具体包括：
[0016]在(T1,T2)区间进行二分类为A1和A2两部分，分类到A1中的概率由概率的归一性可知：分类到A2中的概率p2(k)＝1
‑
p1(k)，两类间分别进行累计均值即期望计算为：
[0017][0018]两类中的平均灰度值分别为：
[0019][0020]计算两类间方差为：
[0021]σ2＝p1(k)p2(k)(m1(k)
‑
m2(k))2[0022]遍历(T1,T2)区间，σ最大时的对应的灰度值作为最佳灰度分割阈值T。
[0023]本专利技术的有益效果在于：
[0024]相比于现有的灰度图像阈值确定方法，本专利技术通过将像素L
‑
P值考虑进来，可以更加准确有效地对岩土材料微观图像灰度图像进行有效的分割，弥补了现有技术误差大、精度低的缺点；同时，本专利技术涉及到的算法简便，计算量小，计算速率更快。
附图说明
[0025]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本邻域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0026]图1是本专利技术的方法流程示意图；
[0027]图2是本专利技术实施例的图像测试图；
[0028]图3是图2图像对应的原始灰度直方图；
[0029]图4是本专利技术实施例对应的L
‑
P值灰度图；
[0030]图5是本专利技术实施例的替换后的灰度直方图与原始灰度直方图的对比示意图；
[0031]图6是本专利技术实施例的分割结果图。
具体实施方式
[0032]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本邻域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0033]如图1至图6所示，本实施例提供一种基于像素邻域信息的数字图像阈值自确定算法，具体包括以下步骤：
[0034]步骤1：对图像进行拉普拉斯卷积计算：
[0035]选取如图2所示样本图像，其中图2(a)为膨润土FIB
‑
SEM图像、图2(b)为煤SEM图
像，图2(c)为砂岩CT图像；图2(d)为页岩CT图像，并统计样本灰度直方图数据，如图3所示；对原始图像采用拉普拉斯算子突出检测背景和目标即孔隙间的边界，通过模板进行卷积计算；在本实施例中，选用下列模板来进行像素点L
‑
P值计算：
[0036]1111
‑
81111
[0037]步骤2：对获得的像素L
‑
P值标记替换及灰度直方图统计：
[0038]将拉普拉斯卷积模板的小矩阵在需要进行梯度计算的图像上移动，在每一像素点位置处进行卷积操作计算该像素点的L
‑
P值，获取如图4所示的标记的L
‑
P值灰度图像，其中图4(a)为膨润土图像、图4(b)为煤图像，图4(c)为砂岩图像；图4(d)为页岩图像；并累积统计获取灰度直方图数据；
[0039]步骤3：将步骤(2)获得的灰度分布直方图与步骤(1)获得的原始灰度分布直方图进行对比，如图5所示，在步骤2中L
‑
P值对应灰度直方图数据基础上，结合原始图片直方图数据，进行同坐标灰度值对比，选取两直线交点区间为阈值计算区间记为(T1,T2)；
[0040]步骤4：进行最佳分割阈值的计算：
[0041]在(T1,T2)区间进行二分类为A1和A2两部分，分类到A1中的概率由概率的归一性可知：分类到A2中的概率p2(k)＝1
‑
p1(k)，两类间分别进行累计均值即期望计算为：
[0042][0043]两类中的平均灰度值分别为：
[0044][0045]由公式(1)
‑
(2)可计算两类间方差为：
[0046]σ2＝p1(k)p2(k)(m1(k)
‑
m2(k))2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0047]遍历(T1,T2)区间，寻找当σ最大时的对应的灰度值作为最佳灰度分割阈值T；
[0048]计算获得的四种样品的分割阈本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于像素邻域信息的数字图像阈值自确定算法，其特征在于，包括以下步骤：(1)选取图像的拉普拉斯模板，进行卷积计算获取L
‑
P灰度值；(2)将步骤(1)获取L
‑
P灰度值进行标记且替换原始图像灰度，并进行灰度值累积统计；(3)绘制替换后的灰度分布直方图并与原始灰度图像直方图进行对比；(4)标记替换后L
‑
P值灰度直方图与原始图像灰度直方图产生的两个交点，通过计算获取两个交点对应的像素点的灰度值区间，用此区间覆盖原始所有可分割边界像素灰度值，在此区间内进行分类间方差最大值的计算；(5)取分类间方差最大值处对应灰度为最佳分割阈值。2.如权利要求1所述的一种基于像素邻域信息的数字图像阈值自确定算法，其特征在于，步骤(1)中的拉普拉斯模板采用如下模板：1111
‑
811113.如权利要求1所述的一种基于像素邻域信息的数字图像阈值自确定算法，其特征...

【专利技术属性】
技术研发人员：刘江峰，林远健，马士佳，王志鹏，张耀晖，黄炳香，
申请(专利权)人：徐州江恒能源科技有限公司，
类型：发明
国别省市：