2020年阈值处理.ppt

阈值处理概述
图像阈值处理是一种广泛应用的分割技术，利用图像中要提取的目标物与其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，选取一个合适的阈值，以确定图像中每个象素点应该属于目标还是背景区域，从而产生相应的二值图像。
阈值处理的特点是：由于阈值处理直观、实现简单且计算速度快，因此阈值处理在图像分割应用中处于核心地位。适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一；而且总可以得到封闭且连通区域的边界。
*
阈值处理
*
基础知识
灰度阈值处理基础
（1）单阈值分隔
设灰度直方图对应图像f(x,y)，该图像（（a））由暗色背景上的较亮物体组成，物体像素和背景像素所具有的灰度值组合成了两种支配模式。从背景中提取物体的一种明显的方法是选择一个将这些模式分开的阈值T，g(x,y)=1,表示物体像素；g(x,y)=0,表示背景像素，即为我们通常所说的图像二值化。则分割后的图像g(x,y)，可由下式表示：
*
阈值处理
*
（2）双阈值分隔
（b）包含三个支配模式直方图，这三个支配模式对应于暗色背景上的两个明亮物体。这里，如果f(x,y) ≤T1 ，则多阈值处理把点(x,y)分类为背景；如果T1<f(x,y) ≤T2，则分为一个物体；如果f(x,y)> T2，则为另一物体。即分割的图像由下式表示：
*
阈值处理
*
可被单阈值（a）和双阈值（b）分割的灰度直方图
*
阈值处理
*
（a）无噪音的8比特图像；（b）带有均值为0、标准差为10个灰度级的加性高斯噪声的图像；（c）带有均值为0、标准差为50个灰度级的加性高斯噪声的图像；（d）~（f）相应的直方图
图像阈值处理中噪声的作用
*
阈值处理
*
（a）带有噪声的图像；（b）在[，]范围内的灰度斜坡 图像；（c）图（a）和图（b）的乘积；（d）~（f）相应的直方图
图像阈值处理中光照和发射的作用
*
阈值处理
*
基本的全局阈值处理
全局阈值处理定义
全局阈值处理是指在二值化过程中只使用一个全局阈值的方法。它将图像的每个像素的灰度值与进行比较，若大于，则取为前景色（白色）；否则，取为背景色。根据文本图像的直方图或灰度空间分布确定一个阈值，以此实现灰度文本图像到二值图像的转化。其中全局阈值法又可分为基于点的阈值法和基于区域的阈值法。阈值分割法的结果很大程度上依赖于对阈值的选择，因此该方法的关键是如何选择合适的阈值。
全局阈值处理的优缺点
全局阈值处理算法简单，对于目标和背景明显分离、直方图分布呈双峰的图像效果良好，但对于由于光照不均匀、噪声干扰较大等原因使直方图分布不呈双峰的图像，二值化效果明显变差。
*
阈值处理
*
迭代算法
迭代法步骤如下：
(1)为全局阈值T选择一个初始估计值。
(2)用T分割图像，将产生两组像素：G1由灰度值大于T 的所有像素组成，G2由所有小于等于T的像素组成。
(3)对G1和G2的像素分别计算平均灰度值m1和m2。
(4) 计算一个新的阈值T=1/2(m1+m2)。
(5)重复步骤2到步骤4，直到连续迭代中的T值间的差小于一个预定义参数△T(用于控制迭代的次数；越大执行的迭代次数越少)为止。
*
阈值处理
*
（a）带噪声的指纹；（b）直方图； （c）使用全局阈值对图像的分割结果
全局阈值处理
*
阈值处理
*
迭代算法总结：
迭代所得的阈值分割的图象效果良好。基于迭代的阈值能区分出图像的前景和背景的主要区域所在，但在图像的细微处还没有很好的区分度。但令人惊讶的是，对某些特定图象，微小数据的变化却会引起分割效果的巨大改变，两者的数据只是稍有变化，但分割效果却反差极大。对于直方图双峰明显，谷底较深的图像，迭代方法可以较快地获得满意结果。但是对于直方图双峰不明显，或图像目标和背景比例差异悬殊，迭代法所选取的阈值不如最大类间方差法。
*
阈值处理
*