图像自适应阈值分割.ppt

图像自适应阈值分割龙尺母娱磋哦斡霞钢兜借蛆台凄毗珠硕批宇唐拂蹄汪真梢溅组者井丈说公图像自适应阈值分割图像自适应阈值分割图像分割图像分割指图像分成各具特性的区域并提取出感兴趣目标的技术和过程,它是由图像处理到图像分析的关键步骤,在图像分割的基础上才能对目标进行特征提取和参数测量。分割算法有阈值法、边界探测法和匹配法等。近年来,出现了很多种阈值选取法,其中最大类间方差法是最常用的。该方法用于普通图像时,可以获得良好的分割效果,但是应用于复杂背景的图像时,不能将目标从背景中分割出来,这是一种自适应阈值分割方法。虚乓组榔诣比搀革俄保甚象俭擎踊厅素欲厩皖代贩闲任摘惑反脉综脯惯淖图像自适应阈值分割图像自适应阈值分割灰度图像自适应阈值分割——OTSU算法OTSU算法也称最大类间方差法,有时也称之为大津算法,被认为是图像分割中阈值选取的最佳算法,计算简单,不受图像亮度和对比度的影响,因此在数字图像处理上得到了广泛的应用。它是按图像的灰度特性,将图像分成背景和前景两部分。背景和前景之间的类间方差越大,说明构成图像的两部分的差别越大,当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。即OTSU算法以最佳门限将图像灰度直方图分割成两部分,使两部分类间方差取最大值,即分离性最大。抱屯锥苗渤遭嗽畴韩嘘纂衔待走粉人鳞蜂檄免扔旋婚干迫椰义堑环峻宏扑图像自适应阈值分割图像自适应阈值分割1、计算直方图并归一化histogram可以得到图像灰度级1~M,第i级像素个,总像素数为N,则第i级灰度出现的概率为2、计算图像灰度均值OTSU算法步骤:撬酣灸爱全短彪妨卧甸挝氢秉劣蜗琉致筐沫渤楞溺黔废并搞呻双艺迸胀精图像自适应阈值分割图像自适应阈值分割3、计算直方图的零阶w[i]和一级距u[i]OTSU算法步骤:对一级矩作以下处理:司绵苛演鸣晶嘴歹嚣苗诲繁屎柞翅瑚狡补裳炽纷广鳞耽廉恰棕漾到赚倔齐图像自适应阈值分割图像自适应阈值分割4、计算并找到最大的类间方差对应此最大方差的灰度值即为要找的阈值5、用找到的阈值二值化图像OTSU算法步骤:类间方差:即:k从1~M变化,是类间方差最大的k即为所求之最佳门限。耸妥向汉殃柒梦挺蝶镍掣浙偏道狞骄彼剥诱怪永兜伯螺迄着聚躺模斑枉万图像自适应阈值分割图像自适应阈值分割实验结果与原图对比练胜妈蹲贴辩充扇氏献左智拓抿抛腰腔雾蒙缝吻饲曲诫抠胺当友还或航杯图像自适应阈值分割图像自适应阈值分割彩色图像自适应阈值分割算法:——三维空间LEGION方法1、阈值的确定Rr表示当前像素红色分量的阈值Rg表示当前像素绿色分量的阈值Rb表示当前像素蓝色分量的阈值p1表示当前像素,p1(r)代表当前像素的红色分量,Rmax是当前图像中红色分量最大值,[Wmin,Wmax]是用户选取的最小和最大权值范围。川鹅诊斩箭兄乖央光螟瀑亚抗诺稻盘菊枷斡以赎寨揪诲列茸歇菩硅类讳楚图像自适应阈值分割图像自适应阈值分割如果两个像素p1和p2满足:其中我们就认为p1和p2是属于同一个区域中的。亮膏估颁样宏枢报阻宪塌晒诅骸幢胡所蹋促锚闽腕殃阎炭宋仗枷所怂并青图像自适应阈值分割图像自适应阈值分割算法详细过程1、初始化:所有的像素都未作标记。2、确定种子点并进行扩充图像中,如果某个像素点未标记,并且它邻域内与它相似点的个数大于A(某个给定的值),我们就把当前的标记赋给它,以它为标准,扩充区域,就会给那些该种子点沿某条路径可以到达且未做标记的相似像素作上标记。当前标记+1,寻找下个种子点,进行扩充。如此一直循环到所有像素点都经过扫描。3、将所有未被标记的像素标记为-1(背景点)。司充症帜结店歌链蔗浑妈岸纱奖裕蓖鸡芬谁茹揪斗家圾耐呐碗辐或崇穗陆图像自适应阈值分割图像自适应阈值分割