? ? 閾值分割法可以說是圖像分割中的經典方法，它利用圖像中要提取的目標與背景在灰度上的差異，通過設置閾值來把像素級分成若干類，從而實現目標與背景的分離。

? ? 一般流程：通過判斷圖像中每一個像素點的特征屬性是否滿足閾值的要求，來確定圖像中的該像素點是屬于目標區域還是背景區域，從而將一幅灰度圖像轉換成二值圖像。

用數學表達式來表示，則可設原始圖像f(x,y),T為閾值，分割圖像時則滿足下式：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

? ? 閾值分割法計算簡單，而且總能用封閉且連通的邊界定義不交疊的區域，對目標與背景有較強對比的圖像可以得到較好的分割效果。但是，關鍵問題來了，如何獲得一個最優閾值呢？？？？？

以下是幾種最優閾值的選擇方法：

（1）人工經驗選擇法：

? ? 也就是我們自己根據需要處理的圖像的先驗知識，對圖像中的目標與背景進行分析。通過對像素的判斷，圖像的分析，選擇出閾值值所在的區間，并通過實驗進行對比，最后選擇出比較好的閾值。這種方法雖然能用，但是效率較低且不能實現自動的閾值選取。對于樣本圖片較少時，可以選用。

（2）利用直方圖

? ? 利用直方圖進行分析，并根據直方圖的波峰和波谷之間的關系，選擇出一個較好的閾值。這樣方法，準確性較高，但是只對于存在一個目標和一個背景的，且兩者對比明顯的圖像，且直方圖是雙峰的那種最有價值。

（3）最大類間方差法（OTSU）

? ? OTSU是一種使用最大類間方差的自動確定閾值的方法。是一種基于全局的二值化算法，它是根據圖像的灰度特性,將圖像分為前景和背景兩個部分。當取最佳閾值時，兩部分之間的差別應該是最大的，在OTSU算法中所采用的衡量差別的標準就是較為常見的最大類間方差。前景和背景之間的類間方差如果越大，就說明構成圖像的兩個部分之間的差別越大，當部分目標被錯分為背景或部分背景被錯分為目標，都會導致兩部分差別變小，當所取閾值的分割使類間方差最大時就意味著錯分概率最小。

?

????記T為前景與背景的分割閾值，前景點數占圖像比例為w0，平均灰度為u0；背景點數占圖像比例為w1，平均灰度為u1，圖像的總平均灰度為u，前景和背景圖象的方差g，則有：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

?

聯立上式得：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ???

或：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

?

????????當方差g最大時，可以認為此時前景和背景差異最大，此時的灰度T是最佳閾值。類間方差法對噪聲以及目標大小十分敏感，它僅對類間方差為單峰的圖像產生較好的分割效果。當目標與背景的大小比例懸殊時（例如受光照不均、反光或背景復雜等因素影響），類間方差準則函數可能呈現雙峰或多峰，此時效果不好。

（4）自適應閾值法：

? ? 上面的最大類間方差閾值分割法在分割過程中對圖像上的每個像素都使用了相等的閾值。但在實際情況中，當照明不均勻、有突發噪聲或者背景變化較大時，整幅圖像分割時將沒有合適的單一閾值，如果仍采用單一的閾值去處理每一個像素，可能會將目標和背景區域錯誤劃分。而自適應閾值分割的思想，將圖像中每個像素設置可能不一樣的閾值。

基本原理：

? ? 一種較為簡單的自適應閾值選取方法是對每個像素確定以其自身為中心的一個領域窗口，尋找窗口內像素的最大值與最小值，并取二者的平均值作為閾值，或者將窗口內所有像素的平均值作為閾值，亦或者將窗口內的所有像素的高斯卷積作為閾值。

?

。你發大時，可以認為此時前景和背景差異最大，此時的灰度T是最佳閾值。類間方差法對噪聲以及目標大小十分敏感，它僅對類間方差為單峰的圖像產生較好的分割效果。當目標與背景的大小比例懸殊時（例如受光照不均、反光或背景復雜等因素影響），類間方差準則函數可能呈現雙峰或多峰，此時效果）自適應閾值法

總結

以上是生活随笔為你收集整理的阈值分割法——最佳阈值的选择问题的全部內容，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。