【技术实现步骤摘要】
一种基于二维最小类内方差的颗粒图像快速分割方法
[0001]本专利技术涉及图像分割领域和水沙检测领域,具体涉及一种基于概率分布的图像阈值分割方法。
技术介绍
[0002]图像分割是图像处理中一种常用的方法,目的是将图像中感兴趣的部分与背景区域分割开,将目标区域提取出来,更好的进行图像识别和检测,是进行泥沙颗粒粒径图像法检测中非常重要的一个环节。图像分割中最常用的是阈值分割,也是众多分割方法中最简单最有效的,在泥沙颗粒图像识别中也经常被用到。就泥沙颗粒粒径检测而言,阈值选得太大,容易将颗粒边缘的背景当作目标,造成后面测得的泥沙颗粒粒径大于实际粒径,若阈值选取太小,则容易忽略掉图像中粒径较小的颗粒,使得最终绘制的粒径级配曲线陡峭,与实际偏差较大。因此想要达到理想的分割效果,阈值的选取是十分重要。阈值分割可细分为五种,包括直方图分析法、聚类法、最大熵法、高阶概率分布与像素相似性分析、模糊形状相似性和边缘符合性分析。根据选取图像区域的大小又可将其大致分为两大类,包括局部阈值分割和全局阈值分割。
[0003]局部阈值分割方法常见的有Bersen算法、Niblack算法、Sauvola算法、高斯加权等方法,其原理是将原始图像分成多个固定尺寸的子图像,然后对每个子图像的灰度特征进行阈值的选取,这种阈值分割方法可处理多个目标的分割工作,且对含有明显噪声以及存在非均匀光照的图像分割效果极佳,但对于一般图像,采用局部阈值容易造成最终分割得到的目标区域连接性较差,含有噪声,对于泥沙颗粒的检测工作带来不便;相反,全局阈值针对单一目标 ...
【技术保护点】
【技术特征摘要】
1.一种基于二维最小类内方差的颗粒图像快速分割方法,其特征在于,包括以下步骤:S1采集原始泥沙颗粒图像;S2构建二维灰度函数,建立像素本身灰度值与邻域平均灰度值的二维矩阵,其中邻域平均灰度值表示为:其中,g
ij
为邻域平均灰度值大小,取整数;r表示所选取的邻域步长,为恒大于0的单数;img[i][j]表示图像中(i,j)处的灰度值大小,为大于等于0的整数;S3随机选取阈值s、t,将图像划分为A、B、C、D四个区域,其中区域A和区域B分别对应目标域和背景域,表示为:A={img[i][j]∈Z,g
ij
∈Z|0≤img[i][j]≤s,0≤g
ij
<t}B={img[i][j]∈Z,g
ij
∈Z|s<img[i][j]<256,t≤g
ij
<256}灰度函数偏离对角线的区域一般为噪声和边缘,即C、D两个区域,视该区域出现频率为0,则区域A和区域B出现的频率分别为:P
B
=1
‑
P
A
其中,P(x,y)表示中心灰度值为x的同时邻域灰度值为y的像素点在图像中出现的频率大小;S4引入最小类内方差概念,即同一类区域内的各像素点灰度值的方差越小,则区域内灰度值分布越平均,说明其可能来源于同一物体,即找到最小类内方差对应的阈值s、t以将背景和目标更好的快速分割开;S5结合类间方差分别赋予两阈值s、t权重,得到最终阈值TH;S6输出阈值为TH的图像分割结果;S7图像再处理。2.根据权利要求1所述的一种基于二维最小类内方差的颗粒图像快速分割方法,其特征在于,步骤S2构建二维灰度函数中,记图像中每一个固定像素点的灰度值为X,邻域平均灰度值记为Y,X和Y的取值范围均为[0,255],囊括整个灰度级,记不同X值和不同Y值在一幅图像中同时出现的概率为P,则X和Y即视为二维离散型随机变量分布。3.根据权利要求1所述的一种基于二维最小类内方差的颗粒图像快速分割方法,其特征在于,步骤S4引入最小类内方法,基于二维离散型随机变量分布,分别计算区域A和区域B的内部期望矢量和方差矢量:
式中,x为区域内某一像素点的灰度值;y为对应这一像素点的邻域平均灰度值;s为x方向的阈值,t为y方向的阈值,其大小均在[0,255]区间内;P(x,y)为x值与对应y值在一幅图片上同时出现的次数;P
A
为区域A所囊括的所有像素点个数;E
A
为区域A内部的期望矢量,E
A0(st)
(s,t)表示x方向的期望值,E
A1(st)
(s,t)表示y方向的期望值,分别简写为E
A0
,E
A1
;D
A
为区域A内部的方差矢量,D
A0(st)
(s,t)表示x方向的方差值,D
A1(st)
【专利技术属性】
技术研发人员:唐立模,耿晶晶,林青炜,陈红,刘双洪,
申请(专利权)人:河海大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。