一种改进的双阈值二值化图像分割方法

一种改进的双阈值二值化图像分割方法【摘要】在图像的二值化计算中，由于图像灰度复杂度的不同、目标内部细节复杂、灰度值渐变、目标与背景之间灰度值差距较小等原因，用传统的二值化方法计算，图像分割目标与背景的缺失不容忽视。本文采用改进的双阈值算法计算出两个阈值和，在一定程度上减小了单阈值分割图像带来的图像缺失、误判等问题。【关键词】二值化；；双阈值；评价函数1.引言图像阈值分割[1]是一种广泛使用的图像分割技术，它利用图像中要提取的目标与背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合，以确定图像中每一个象素点应该属于目标区域还是背景区域，从而产生相应的二值图像，图像二值化处理的关键是阈值的选择。国内外学者研究表明，普通的阈值选择方法应满足不受图像质量及图像类型的限制、能保留足够的图像特征信息、可实现对不同图像阈值的自动选择、效率代价可以忍受等几方面的要求[2][3]。常见的二值化算法有，全局阈值二值化，包括迭代法、算法、最大熵法；局部阈值二值化，包括算法、算法等。本文重点介绍了传统的算法，该算法虽然在实际图像的分割中实现了阈值的自动选取，二值化处理效果较好，但是具体实验发现，法致命的缺陷是当目标与背景灰度差不明显时，会出现目标背景误判、缺失的问题，导致丢失图像的大量原始信息，因此其应用受到限制[6]。本文提出一种基于方法的改进双阈值二值化，目标背景误判、缺失这一问题得到了较好的解决。2.二值化图像分割假设图像有个灰度等级，用阈值将其分为2个区域。求得两个区域的像素与图像总像素之比、灰度均值，继而求得关于阈值的类间方差函数，使得类间方差为最大值的，即是分割图像的最佳阈值。3.改进的双阈值二值化3.1改进的二值化方法5.总结本文给出的方法，即基于方法，设置使得类间最大，类内最小的评价函数，求得阈值；在单阈值的基础上，通过设置权值，求得双阈值。实验证明，本文方法在降低原始灰度图像直接边缘提取后存在的大量噪声，得到轮廓清晰、目标精确的边缘图像方面有很好的实用性，在实际图像的二值化图像分割方面可以得到较好的应用。参考文献[1]徐建军,高山,毕笃彦,陈游.一种新的图像分割算法[J].西安电子科技大学学报,2011(01).[2]付忠良.图象阈值选取方法的构造[J].中国图象图形学报,2000,5A(6):466-469.[3]岳振军,邱望成,刘春林.一种自适应的多目标图像分割方法[J].中国图象图形学报,2004,9(6):674-678.[4]罗希平,田捷,诸葛婴,王靖,戴汝为.图像分割方法综述[J].模式识别与人工智能,1999(03).[5]陈冬岚,刘金南,余玲玲.几种图像分割阈值选取方法的比较与研究[J].机械制造与自动化,2003(1):77-80.[6]N.R.Pal,S.K.Pal.AReviewonImageSegmentation[J]Techiniques.PatternRecognition.1993.[7]王凤朝,黄树采,韩朝超.基于改进的二维Otsu法的图像分割法[J].航空计算技术,2008(04).[8]冈萨雷斯编著,阮秋琦等译.数字图像处理(matlab版)[M].北京:电子工业出版社,2005,145-167.[9]张汗灵著.MATLAB在图像处理中的应用[M]北京:清华大学出版社,2008.5,217-230.[10]许向阳,宋恩民,金良海.Otsu准则的阈值性质分析[J].电子学报,2009(12).