OTSU閾值分割的實現

目 錄

摘要

1原理與實現1

1.1圖像分割1

1.2閾值分割1

1.3 OTSU算法2

2 設計實現程序4

3 程序運行結果與分析7

3.1程序運行結果7

3.2 結果分析9

4 心得體會11

參考文獻12

摘 要

圖像分割是圖像識別和圖像理解的基本前提步驟。圖像分割算法一般是基于灰度的兩個性質之一：不連續性和相似性。圖像的閾值分割是基于圖像的相似性根據事先制定的準則將圖像分割為相似的區域。圖像分割的作用是把反映物體真實情況的、占據不同區域的、具有不同特性的目標區分開來，以便計算各個目標的數字特征。圖像分割質量的好壞直接影響后續圖像處理的效果，甚至決定其成敗，因此，圖像分割的作用至關重要。本設計主要是使用閾值分割法中的最大類間方差法(OTSU)的原理來將圖像進行不使用庫函數和使用庫函數的閾值分割，并將兩種方法的閾值顯示出來進行比較，同時顯示不同閾值情況下的圖像結果。

關鍵詞：圖像分割 閾值分割 最大類間方差法

1原理與實現

1.1圖像分割

數字圖像處理的目的之一是圖像識別, 而圖像分割是圖像識別工作的基礎。圖像分割是將一幅圖像分解成若干互不交疊的、有意義的、具有相同性質的區域。這些區域互不交疊, 每一個區域內部的某種特性或特征相同或接近, 而不同區域間的圖像特征則有明顯差別, 即同一區域內部特性變化平緩, 相對一致, 而區域邊界處則特性變化比較劇烈。區域內是一個所有像素都有相鄰或相接觸像素的集合, 是像素的連通集。在一個連通集中任意兩個像素之間, 都存在一條完全由這個集合的元素構成的連通路徑。圖像分割的基礎是像素間的相似性和不連續性。所謂“相似性”是指在某個區域內像素具有某種相似的特性, 如灰度一樣, 紋理相同;所謂“不連續性”是指特性不連續, 如灰度值突變等。

圖像分割的方法有多種, 依據工作對象來分, 可分為點相關分割和區域相關分割; 按算法分類, 可分為閾值法、界限檢測法、匹配法、跟蹤法等。然而大多數分割方法都不能將圖像完美的分割，具體處理時總是在各種約束條件之間找一種合理的平衡。

1.2閾值分割

閾值處理是一種區域分割技術, 它適用于物體與背景有較強對比的景物分割。 它主要是利用圖像中要提取的目標物體和背景在灰度上的差異, 選擇一個合適的閾值, 通過判斷圖像中的每一個像素點的特征屬性是否滿足閾值的要求來確定圖像中該像素點應該屬于目標區還是應該屬于背景區域, 從而產生二值圖像。它計算簡單, 而且總能用封閉而且連通的邊界定義不交疊的區域。

在使用閾值法進行分割技術時, 閾值的選取成為能否正確分割的關鍵, 若將所有灰度值大于或等于某閾值的像素都被判屬于物體, 則將所有灰度值小于該閾值的像素被排除在物體之外, 如果閾值選取得過高, 則過多的目標區域將被劃分為背景, 相反如果閾值選取得過低, 則過多的背景將被劃分到目標區。因此, 邊界就由這樣一些內部點的集合組成, 這些點都至少有一個鄰點不屬于該物體。

由于物體和背景以及不同物體之間的灰度級有明顯的差別, 因此, 在圖像的灰度級直方圖中會呈現明顯的峰值。當圖像灰度直方圖峰型分布明顯時, 常以谷底作為門限候選值。所以只要適當地選擇閾值, 即可對圖像進行分割, 因而成為一種簡單而廣泛應用的方法。

1.3 OTSU算法

OTSU算法，又稱最大類間方差閾值選擇法,是一種自適應的閾值確定的方法。它是按圖像的灰度特性,將圖像分成背景和目標兩部分。背景和目標之間的類間方差越大,說明構成圖像的兩部分的差別越大,當部分目標錯分為背景或部分背景錯分為目標都會導致兩部分差別變小。因此,使類間方差最大的分割意味著錯分概率最小。

方法一：不使用庫函數的算法

設X是一幅具有L級灰度級的圖像，其中第i級像素為個，其中i的值在0~L-1之間，圖像的總像素點個數為：

(1)

第i級出現的概率為：

(2)

在OTSU算法中，以閾值k將所有的像素分為目標和背景兩類。其中，類的像素灰度級為0~k-1,類的像素灰度級為k~L-1。

圖像的總平均灰度級為：

總結

以上是生活随笔為你收集整理的otsu阈值分割算法原理_OTSU阈值分割的实现.doc的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。