一种基于亮度加权最大类间方差的图像分割阈值计算方法技术

本发明专利技术涉及图像处理技术领域，公开了一种基于亮度加权最大类间方差的图像分割阈值计算方法，包括如下步骤：由图像样本获取阈值加权系数与图像亮度的函数关系；计算待分割图像的亮度，并根据得到的函数关系计算阈值加权系数，并进行限幅；统计待分割图像的每一阶灰度对应的像素个数，获得图像的灰度分布，通过循环比较的方法求得图像的灰度分布前景峰值对应的灰度值；利用最大类间方差法，求出最大类间方差阈值；利用限幅后的阈值加权系数、灰度值和最大类间方差阈值计算最终的图像分割阈值。本发明专利技术公开的方法引入了阈值加权系数，可以有效提高分割准确率，改善分割效果。改善分割效果。改善分割效果。

【技术实现步骤摘要】
一种基于亮度加权最大类间方差的图像分割阈值计算方法


[0001]本专利技术涉及图像处理
，特别涉及一种基于亮度加权最大类间方差的图像分割阈值计算方法。

技术介绍

[0002]图像分割是根据图像的特征将图像划分为不同的连通区域，使区域内的像素点满足特定区域的一致性。目前主流的图像分割算法根据分割规则的不同，可以大致分为三类：基于阈值的分割算法、基于图像边界的分割算法、基于区域的图像分割算法。
[0003]在工业生产中，考虑到实时性、算法稳定性、算法计算量等问题，通常采用基于阈值的图像分割算法，基于阈值的分割方法出现的时间最早，并且实现原理简单、处理速度快。以图像灰度阈值分割为例，其基本原理为选取一个阈值或在不同区域选取多个阈值，将图像按照灰度划分为不同的类别，所以算法的核心在于阈值的选取。
[0004]在众多基于阈值的图像分割算法中，最大类间方差法(简称OTSU法)以其适用范围广、分割效果好、性能稳定等优点得到了广泛的应用。该算法以图像的灰度分布为依据，将图像前景与背景的类间方差最大作为分割阈值的选取标准，在大部分情况下都能得到较好的分割效果。但在不同的照明条件下，同一物体图像的灰度分布可能会出现较大的变化，对该类图像使用OTSU法进行图像分割时，在低亮度情况下可能会出现将一些干扰、杂质误判为前景的情况，从而造成分割错误。

技术实现思路

[0005]为解决上述技术问题，本专利技术提供了一种基于亮度加权最大类间方差的图像分割阈值计算方法，引入了阈值加权系数，以达到提高分割准确率，改善分割效果的目的。
[0006]为达到上述目的，本专利技术的技术方案如下：
[0007]一种基于亮度加权最大类间方差的图像分割阈值计算方法，包括如下步骤：
[0008]步骤一，由图像样本获取阈值加权系数α与图像亮度b的函数关系；
[0009]步骤二，计算待分割图像的亮度b
d
，并根据步骤一得到的函数关系计算阈值加权系数α
d
，并进行限幅，得到限幅后的阈值加权系数α
′
d
；
[0010]步骤三，统计待分割图像的每一阶灰度对应的像素个数，获得图像的灰度分布，通过循环比较的方法求得待分割图像的灰度分布前景峰值对应的灰度值T
left_d
；
[0011]步骤四，利用最大类间方差法对待分割图像进行图像分割，求出待分割图像的最大类间方差阈值T
otsu_d
；
[0012]步骤五，利用限幅后的阈值加权系数α
′
d
、灰度值T
left_d
和最大类间方差阈值T
otsu_d
计算最终的图像分割阈值T
f_d
。
[0013]上述方案中，步骤一的具体方法如下：
[0014](1)获取一系列不同亮度的物体图像样本，分别计算其亮度b(b1,b2,
…
,b
i
,
…
,b
n
)，其中，n为图像样本的数量，b
i
代表第i张图像的亮度；
[0015](2)人工确定每张图像的理想分割阈值T
f
(T
f_1
,T
f_2
,
…
,T
f_i
,
…
,T
f_n
)，其中，T
f_i
表示第i张图像的理想分割阈值；
[0016](3)采用最大类间方差法对该组图像样本进行图像分割，求出每张图像的最大类间方差阈值T
otsu
(T
otsu_1
,T
otsu_2
,
…
,T
otsu_i
,
…
,T
otsu_n
)，其中，T
otsu_i
为第i张图像的最大类间方差阈值；
[0017](4)获取每张图像灰度分布前景峰值对应的灰度值T
left
(T
left_1
,T
left_2
,
…
,T
left_i
,
…
,T
left_n
)，其中，T
otsu_i
为第i张图像灰度分布前景峰值对应的灰度值；并根据理想分割阈值和最大类间方差阈值计算其阈值加权系数α(α1,α2,
…
,α
i
,
…
,α
n
)，其中，α
i
表示第i张图像的阈值加权系数；
[0018](5)拟合阈值加权系数α与图像亮度b的函数关系。
[0019]进一步的技术方案中，步骤(1)中，第i张图像的亮度b
i
的计算公式如下：
[0020][0021]其中，M
×
N为第i张图像的像素点个数，h(x,y)为位置(x,y)处的灰度值。
[0022]进一步的技术方案中，步骤(2)中，首先人工确定图像的前景与背景，然后用画图工具标注前景与背景的分割线，作为本组图像的分割标准；其次根据每张图像的亮度人工设定其分割阈值的一个初始值，亮度越大阈值初始值越高；然后根据分割效果不断调整分割阈值，使图像在该阈值下分割出的前景与背景的分割线与人工标注的分割标准中的分割线重合最多；最后记录n张图像的理想分割阈值T
f
(T
f_1
,T
f_2
,
…
,T
f_i
,
…
,T
f_n
)。
[0023]进一步的技术方案中，步骤(3)的具体过程如下：
[0024]①
设第i张图像的灰度级为L＝256，选取一个分割阈值t∈[0,255]，将图像的像素分为前景A和背景B两部分；
[0025]②
若图像中灰度值为k的像素个数为q，则灰度值为k的像素出现的概率为：
[0026][0027]且有M
×
N为第i张图像的像素点个数；
[0028]③
当分割阈值为t时，像素被分到前景A中的概率为P
A
(t)，前景A的平均灰度值为m
A
(t)；同样的，像素被分到背景B中的概率为P
B
(t)，背景B的平均灰度值为m
B
(t)；
[0029]④
设整个图像的灰度值为m
G
，则有：
[0030]m
G
＝P
A
(t)
·
m
A
(t)+P
B
(t)
·
m
B
(t)
ꢀꢀ
(3)
[0031]P
A
(t)+P本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于亮度加权最大类间方差的图像分割阈值计算方法，其特征在于，包括如下步骤：步骤一，由图像样本获取阈值加权系数α与图像亮度b的函数关系；步骤二，计算待分割图像的亮度b
d
，并根据步骤一得到的函数关系计算阈值加权系数α
d
，并进行限幅，得到限幅后的阈值加权系数α
′
d
；步骤三，统计待分割图像的每一阶灰度对应的像素个数，获得图像的灰度分布，通过循环比较的方法求得待分割图像的灰度分布前景峰值对应的灰度值T
left_d
；步骤四，利用最大类间方差法对待分割图像进行图像分割，求出待分割图像的最大类间方差阈值T
otsu_d
；步骤五，利用限幅后的阈值加权系数α
′
d
、灰度值T
left_d
和最大类间方差阈值T
otsu_d
计算最终的图像分割阈值T
f_d
。2.根据权利要求1所述的一种基于亮度加权最大类间方差的图像分割阈值计算方法，其特征在于，步骤一的具体方法如下：(1)获取一系列不同亮度的物体图像样本，分别计算其亮度b(b1,b2,
…
,b
i
,
…
,b
n
)，其中，n为图像样本的数量，b
i
代表第i张图像的亮度；(2)人工确定每张图像的理想分割阈值T
f
(T
f_1
,T
f_2
,
…
,T
f_i
,
…
,T
f_n
)，其中，T
f_i
表示第i张图像的理想分割阈值；(3)采用最大类间方差法对该组图像样本进行图像分割，求出每张图像的最大类间方差阈值T
otsu
(T
otsu_1
,T
otsu_2
,
…
,T
otsu_i
,
…
,T
otsu_n
)，其中，T
otsu_i
为第i张图像的最大类间方差阈值；(4)获取每张图像灰度分布前景峰值对应的灰度值T
left
(T
left_1
,T
left_2
,
…
,T
left_i
,
…
,T
left_n
)，其中，T
otsu_i
为第i张图像灰度分布前景峰值对应的灰度值；并根据理想分割阈值和最大类间方差阈值计算其阈值加权系数α(α1,α2,
…
,α
i
,
…
,α
n
)，其中，α
i
表示第i张图像的阈值加权系数；(5)拟合阈值加权系数α与图像亮度b的函数关系。3.根据权利要求2所述的一种基于亮度加权最大类间方差的图像分割阈值计算方法，其特征在于，步骤(1)中，第i张图像的亮度b
i
的计算公式如下：其中，M
×
N为第i张图像的像素点个数，h(x,y)为位置(x,y)处的灰度值。4.根据权利要求2所述的一种基于亮度加权最大类间方差的图像分割阈值计算方法，其特征在于，步骤(2)中，首先人工确定图像的前景与背景，然后用画图工具标注前景与背景的分割线，作为本组图像的分割标准；其次根据每张图像的亮度人工设定其分割阈值的一个初始值，亮度越大阈值初始值越高；然后根据分割效果不断调整分割阈值，使图像在该阈值下分割出的前景与背景的分割线与人工标注的分割标准中的分割线重合最多；最后记录n张图像的理想分割阈值T
f
(T
f_1
，T
f_2
,
…
,T
f_i
,
…
，T
f_n
)。5.根据权利要求2所述的一种基于亮度加权最大类间方差的图像分割阈值计算方法，其特征在于，步骤...

【专利技术属性】
技术研发人员：李歧强，徐德威，
申请(专利权)人：山东大学，
类型：发明
国别省市：