灰度图像二值化阈值选取常用方法.ppt

1灰度图像二值化阈值选取常用方法报告人: 专业:机械设计及理论 2 汇报内容?一、研究背景?二、二值化阈值选取常用方法?三、总结与展望 3 一、研究背景机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置,分 CMOS D 两种) 将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。 4 一、研究背景※二值化及阈值二值化的基本过程如下: 对原始图像作中低通滤波,进行图像的预处理,降低或去除噪声; 用算法确定最佳阈值 T; 凡是像素的灰度值大于这个阈值的设成 255 ,小于这个阈值的设成 0。这样处理后的图像就只有黑白两色,从而将灰度范围划分成目标和背景两类,实现了图像的二值化。图像二值化是图像处理的基本技术,也是图像处理中一个非常活跃的分支, 其应用领域非常广泛,特别是在图像信息压缩、边缘提取和形状分析等方面起着重要作用,成为其处理过程中的一个基本手段。二值化的目的是将上步的图像增强结果转换成黑白二值图像, 从而能得到清晰的边缘轮廓线,更好地为边缘提取、图像分割、目标识别等后续处理服务。 255 ( 白) f(x,y) ≧ T 0 ( 黑) f(x,y) <T g(x,y)= 5 而选取合适的分割阈值可以说是图像二值化的重要步骤,过高的阈值会导致一些真实边缘的丢失,过低的阈值又会产生一些无谓的虚假边缘。下面介绍几种基本的阈值选取算法。二、二值化阈值选取常用方法? 1. 双峰法? 2. P 参数法? 3. 大津法( Otsu 法或最大类间方差法) ? 4. 最大熵阈值法? 5. 迭代法(最佳阈值法) 6 在一些简单的图像中,物体的灰度分布比较有规律,背景与各个目标在图像的直方图各自形成一个波峰,即区域与波峰一一对应,每两个波峰之间形成一个波谷。那么,选择双峰之间的波谷所代表的灰度值 T作为阈值,即可实现两个区域的分割。如图 1所示。式中 f(x,y) 为灰度图像的灰度值, T为阈值, g(x,y) 为二值化后的灰度图像。 255 ( 白) f(x,y) ≧ T 0 ( 黑) f(x,y) <T g(x,y)= ? 1. 双峰法 7 ? 2. P 参数法当不同区域(即目标)之间的灰度分布有一定的重叠时,双峰法的效果就很差。如果预先知道每个目标占整个图像的比例 P,则可以采用 P参数法进行分割。 P参数法的具体步骤可以如下描述,假设已知整个直方图中目标区域所占的比例为 P1 : 1) 计算图像的直方图分布 P(t). 其中 t=0,1,2, …,255 ,表示图像的灰度值; 2) 从最低的灰度值开始,计算图像的累积分布直方图。 t=0,1,2, …,255 , 3) 计算阈值 T,有 t=0,1,2, …,255 , 也就是说,阈值就是与 P1 最为接近的累积分布函数所对应的灰度值 t。需要预先知道目标区域的 P值,因此成为 P参数法。??? tiiptp 0 1)()( 11)( min argptpT??8 ? ( Otsu 法或最大类间方差法) 最大类间方差法是由 Otsu 于 1979 年提出的,是基于整幅图像的统计特性实现阈值的自动选取的,是全局二值化最杰出的代表。 Otsu 算法的基本思想是用某一假定的灰度值 t将图像的灰度分成两组,当两组的类间方差最大时,此灰度值 t就是图像二值化的最佳阈值。设图像有 M 个灰度值,取值范围在 0~ M-1 ,在此范围内选取灰度值t,将图像分成两组 G0 和 G1 , G0 包含的像素的灰度值在 0~t, G1 的灰度值在 t+1 ~ M-1 ,用 N 表示图像像素总数, ni表示灰度值为 i 的像素的个数。已知:每一个灰度值 i 出现的概率为 pi = ni /N ;假设 G0 和 G1 两组像素的个数在整体图像中所占百分比为 W0,W1 ,两组平均灰度值为 u0,u1 ,可得概率: ??? ti ip 0 0???????? 11 0 11 Mti ip??平均灰度值:??? ti i ipu 0 0????? 11 1 Mti i ipu 9 ? 3. 最大类间方差法(大津法或 Otsu 法) 图像的总平均灰度为: 1100uuu??????间类方差为: ?????? 21010 211 200)(uuuuuutg??????????最佳阈值为: T=argmax(g(t)) 使得间类方差最大时所对应的 t值大律法得到了广泛的应用,但是当物体目标与背景灰度差不明显时,会出现无法忍受的大块黑色区域,甚至会丢失整幅图像