圖像分割閾值選取技術(shù)綜述

《圖像分割閾值選取技術(shù)綜述》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、圖像分割閾值選取技術(shù)綜述中科院成都計算所劉平?2004-2-26摘要圖像分割是圖像處理與計算機(jī)視覺領(lǐng)域低層次視覺中最為基礎(chǔ)和重要的領(lǐng)域之一，它是對圖像進(jìn)行視覺分析和模式識別的基本前提．閾值法是一種傳統(tǒng)的圖像分割方法，因其實現(xiàn)簡單、計算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)．已被應(yīng)用于很多的領(lǐng)域。本文是在閱讀大量國內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上，對閾值分割技術(shù)稍做總結(jié)，分三個大類綜述閾值選取方法，然后對閾值化算法的評估做簡要介紹。關(guān)鍵詞圖像分割閾值選取全局閾值局部閾值直方圖?二值化1．引言所謂圖像分割是指根據(jù)灰度、彩色、空間紋理

2、、幾何形狀等特征把圖像劃分成若干個互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同[37]．簡單的講，就是在一幅圖像中，把目標(biāo)從背景中分離出來，以便于進(jìn)一步處理。圖像分割是圖像處理與計算機(jī)視覺領(lǐng)域低層次視覺中最為基礎(chǔ)和重要的領(lǐng)域之一，它是對圖像進(jìn)行視覺分析和模式識別的基本前提．同時它也是一個經(jīng)典難題，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標(biāo)準(zhǔn)。閾值法是一種傳統(tǒng)的圖像分割方法，因其實現(xiàn)簡單、計算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)．已

3、被應(yīng)用于很多的領(lǐng)域，例如，在紅外技術(shù)應(yīng)用中，紅外無損檢測中紅外熱圖像的分割，紅外成像跟蹤系統(tǒng)中目標(biāo)的分割；在遙感應(yīng)用中，合成孔徑雷達(dá)圖像中目標(biāo)的分割等；在醫(yī)學(xué)應(yīng)用中，血液細(xì)胞圖像的分割，磁共振圖像的分割；在農(nóng)業(yè)工程應(yīng)用中，水果品質(zhì)無損檢測過程中水果圖像與背景的分割。在工業(yè)生產(chǎn)中，機(jī)器視覺運用于產(chǎn)品質(zhì)量檢測等等。在這些應(yīng)用中，分割是對圖像進(jìn)一步分析、識別的前提，分割的準(zhǔn)確性將直接影響后續(xù)任務(wù)的有效性，其中閾值的選取是圖像閾值分割方法中的關(guān)鍵技術(shù)。2．閾值分割的基本概念圖像閾值化分割是一種最常用，同時也是最簡單的圖像分割方法，它特別適用于目標(biāo)

4、和背景占據(jù)不同灰度級范圍的圖像[1]。它不僅可以極大的壓縮數(shù)據(jù)量，而且也大大簡化了分析和處理步驟，因此在很多情況下，是進(jìn)行圖像分析、特征提取與模式識別之前的必要的圖像預(yù)處理過程。圖像閾值化的目的是要按照灰度級，對像素集合進(jìn)行一個劃分，得到的每個子集形成一個與現(xiàn)實景物相對應(yīng)的區(qū)域，各個區(qū)域內(nèi)部具有一致的屬性，而相鄰區(qū)域布局有這種一致屬性。這樣的劃分可以通過從灰度級出發(fā)選取一個或多個閾值來實現(xiàn)。閾值分割法是一種基于區(qū)域的圖像分割技術(shù)，其基本原理是：通過設(shè)定不同的特征閾值，把圖像像素點分為若干類．常用的特征包括：直接來自原始圖像的灰度或彩色特征

5、；由原始灰度或彩色值變換得到的特征．設(shè)原始圖像為f(x，y)，按照一定的準(zhǔn)則在f(x，y)中找到特征值T，將圖像分割為兩個部分，分割后的圖像為若?。篵0=0（黑）,b1=1（白），即為我們通常所說的圖像二值化。??????（原始圖像）??（閾值分割后的二值化圖像）一般意義下，閾值運算可以看作是對圖像中某點的灰度、該點的某種局部特性以及該點在圖像中的位置的一種函數(shù)，這種閾值函數(shù)可記作??T(x，y，N(x，y)，f(x，y))式中，f(x，y)是點(x，y)的灰度值；N(x，y)是點(x，y)的局部鄰域特性．根據(jù)對T的不同約束，可以得到3種

6、不同類型的閾值[37]，即??點相關(guān)的全局閾值T＝T(f(x，y))?(只與點的灰度值有關(guān))區(qū)域相關(guān)的全局閾值T＝T(N(x，y)，f(x，y))?(與點的灰度值和該點的局部鄰域特征有關(guān))??局部閾值或動態(tài)閾值T＝T(x，y，N(x，y)，f(x，y))(與點的位置、該點的灰度值和該點鄰域特征有關(guān))圖像閾值化這個看似簡單的問題，在過去的四十年里受到國內(nèi)外學(xué)者的廣泛關(guān)注，產(chǎn)生了數(shù)以百計的閾值選取方法[2-9]，但是遺憾的是，如同其他圖像分割算法一樣，沒有一個現(xiàn)有方法對各種各樣的圖像都能得到令人滿意的結(jié)果，甚至也沒有一個理論指導(dǎo)我們選擇特定方

7、法處理特定圖像。所有這些閾值化方法，根據(jù)使用的是圖像的局部信息還是整體信息，可以分為上下文無關(guān)(non-contextual)方法(也叫做基于點(point-dependent)的方法)和上下文相關(guān)(contextual)方法(也叫做基于區(qū)域(region-dependent)的方法)；根據(jù)對全圖使用統(tǒng)一閾值還是對不同區(qū)域使用不同閾值，可以分為全局閾值方法(globalthresholding)和局部閾值方法(localthresholding，也叫做自適應(yīng)閾值方法adaptivethresholding)；另外，還可以分為雙閾值方法(b

8、ileverthresholding)和多閾值方法(multithresholding)本文分三大類對閾值選取技術(shù)進(jìn)行綜述：1)基于點的全局閾值方法；2)基于區(qū)域的全局閾值方法3)局部閾值方法