影象分割的方法

一．基於閾值的影象分割

1. 直方圖雙峰法（mode 法）

Prewitt 等人於六十年代中期提出的直方圖雙峰法(也稱 mode 法) 是典型的全域性單閾值分割方法。該方法的基本思想是：假設影象中有明顯的目標和背景，則其灰度直方圖呈雙峰分佈，當灰度級直方圖具有雙峰特性時，選取兩峰之間的谷對應的灰度級作為閾值。如果背景的灰度值在整個影象中可以合理地看作為恆定，而且所有物體與背景都具有幾乎相同的對比度，那麼，選擇一個正確的、固定的全域性閾值會有較好的效果。例如圖4.1所示：

圖4.1原始灰度影象

圖4.2灰度直方圖

選定閾值M為100

演算法實現：找到第一個峰值和第二個峰值，

再找到第一和第二個峰值之間的谷值，谷值就是那個閥值了。

2. 固定閾值分割

就是設定一個固定的值，畫素灰度大於就該畫素程式設計0或者255或者其他的，小於的又等於什麼的。

for(int i = 0; i < nWidth; ++i)

{

for(int j = 0; j < nHigh; ++j)

{

if(Image[i][j] >= 閾值)

{

Image[i][j] = 255;

}

else

{

Image[i][j] = 0;

}

}

}

這個閾值選什麼值呢， 1中的雙峰法就是一個閾值產生的方法。

3. 半閾值分割

for (j=0;j<height;j++)

{

for(i=0;i<wide;i++)

{

lpSrc=p_data+wide*j+i;

lpDst=temp+wide*j+i;

if((*lpSrc - 閾值) < 30)

*lpDst=*lpSrc;

else

*lpDst = 255;

}

}

不知道為什麼這麼做，為什麼這樣就叫做半閾值?

4. 迭代閾值影象分割

http://topic.csdn.net/u/20080402/10/d3cb6789-fa60-4758-b232-7a89926f07b9.html

迭代法是基於逼近的思想，其步驟如下：

1．求出圖象的最大灰度值和最小灰度值，分別記為ZMAX

和ZMIN，令初始閾值T0=(ZMAX+ZMIN)/2；

2．根據閾值TK將圖象分割為前景和背景，分別求出兩者的平均灰度值ZO和ZB

3．求出新閾值TK+1=(ZO+ZB)/2；

4．若TK==TK+1，則所得即為閾值；否則轉2，迭代計算。

我想問下,ZO和ZB怎麼求??

1. 統計影象灰度直方圖

2. 找到最大灰度值ZMAX和最小灰度值ZMIN，並計算T0 =(ZMAX+ZMIN)/2

3. 計算小於T0的所有灰度的均值ZO和大於T0的所有灰度的均值ZB（用直方圖求就可以）。

例如，你的直方圖從10到250有值，則T0 = 260/2 = 130.

ZO = Sum(nHist[i] * i) / Sum(nHist[i]); 10 <= i <= 130

BO = Sum(nHist[i] * i) / Sum(nHist[i]); 131 <= i <= 250

/////////////////////////////////////////////////////////////////////////////////////////////////////////////////

ZO = .0, ZB = .0;

int nB = 0, nO = 0;

BYTE bytVal = 0;

while( 還有影象資料沒讀完 )

{

bytVal = ReadNextPixel();

if( bytVal > T0 )

{

ZB += bytVal;

++nB;

}

else

{

ZO += bytVal;

++nO;

}

}

ZO /= nO;

ZB /= nB;

//////////////////////////////////////////////////////////////////////////////////////////////////////////

虛擬碼1

A．找到灰度圖中最大灰度nZmax和最小灰度nZmin(程式碼略)

B．求T0。

T0 = (nZmax + nZmin) / 2;

C. 迭代了求出閾值

int i;

while (true)

{

// 計算下一個迭代閥值

for (i = 0; i < T0 + 1; i++)

{

Temp0 += tongji[i] * i;

Temp1 += tongji[i];

}

for (i = T0 + 1; i < 256; i++)

{

Temp2 += tongji[i] * i;

Temp3 += tongji[i];

}

// (大於T0的灰度均值 + 小於T0的灰度均值) / 2

T2 = (Temp0 / Temp1 + Temp2 / Temp3) / 2;

// 看迭代結果是否已收斂

if (T0 == T2)

break;

else

T0 = T2;

}

D. 根據上一步求到的T2閾值進行影象分割

// 對各畫素進行灰度轉換

for (j = 0; j < height; j ++)

{

for (i = 0; i < wide; i ++)

{

// 讀取畫素

unsigned char temp = *((unsigned char *)p_data + wide * j + i);

// 判斷畫素灰度值是否超出範圍

if (temp < T0)

temp = 0;

else

temp = 255;

// 回寫處理完的畫素

*((unsigned char *)p_data + wide * j + i) = temp;

}

}

//////////////////////////////////////////////////////////////////////////////////////////////////////////

虛擬碼2

C．找到灰度圖中最大灰度iMaxGrayValue和最小灰度iMinGrayValue (程式碼略)

D．求iNewThreshold。

iNewThreshold = (iMaxGrayValue + iMinGrayValue) / 2;

C. 迭代了求出閾值

//迭代求最佳閾值

iNewThreshold = (iMinGrayValue + iMaxGrayValue)/2;

iThreshold = 0;

for(iIterationTimes = 0; iThreshold != iNewThreshold && iIterationTimes < 100;iIterationTimes ++)

{

iThreshold = iNewThreshold;

lP1 =0;

lP2 =0;

lS1 = 0;

lS2 = 0;

//求兩個區域的灰度平均值

for (i = iMinGrayValue;i < iThreshold;i++)

{

lP1 += lHistogram[i]*i;

lS1 += lHistogram[i];

}

iMean1GrayValue = (unsigned char)(lP1 / lS1);

for (i = iThreshold+1;i < iMaxGrayValue;i++)

{

lP2 += lHistogram[i]*i;

lS2 += lHistogram[i];

}

iMean2GrayValue = (unsigned char)(lP2 / lS2);

iNewThreshold =(iMean1GrayValue + iMean2GrayValue)/2;

}

// 這裡限制的迭代次數不大於100，考慮到效率吧。

D. 根據上一步求到的iNewThreshold閾值進行影象分割

//根據閾值將影象二值化

for (i = 0;i < lHeight ;i++)

{

for(j = 0;j < lWidth ;j++)

{

// 指向源影象倒數第j行，第i個象素的指標

lpSrc = (char *)lpDIBBits + lLineBytes *i + j;

// 指向目標影象倒數第j行，第i個象素的指標

lpDst = (char *)lpNewDIBBits + lLineBytes *i + j;

pixel = (unsigned char)*lpSrc;

if(pixel <= iThreshold)

{

*lpDst = (unsigned char)0;

}

else

{

*lpDst = (unsigned char)255;

}

}

}

5. 自適應閾值影象分割

在許多情況下，物體和背景的對比度在圖象中不是各處一樣的，這時很難用統一的一個閾值將物體與背景分開。這時可以根據圖象的區域性特徵分別採用不同的閾值進行分割。實際處理時，需要按照具體問題將圖象分成若干子區域分別選擇閾值，或者動態地根據一定的鄰域範圍選擇每點處的閾值，進行圖象分割。

1). 大津法(OTSU)

最大類間方差法是由日本學者大津於1979年提出的,是一種自適應的閾值確定的方法,又叫大津

法,簡稱OTSU。它是按影象的灰度特性,將影象分成背景和目標2部分。背景和目標之間的類間方差

越大,說明構成影象的2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2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。

對於影象I(x,y),前景(即目標)和背景的分割閾值記作T, 屬於前景的畫素點數佔整幅影象的比例記為ω0,其平均灰度μ0;背景畫素點數佔整幅影象的比例為ω1,其平均灰度為μ1。影象的總平均灰度記為μ,類間方差記為g。

假設影象的背景較暗,並且影象的大小為M×N,

影象中畫素的灰度值小於閾值T的畫素個數記作N0,畫素灰度大於閾值T的畫素個數記作N1,則有:

　　　　　　ω0 = N0/ M×N(1)

　　　　　　ω1 = N1/ M×N(2)

N0 + N1 = M×N(3)

　　　　　　ω0 + ω1 = 1(4)

相關推薦