OTSU閾值分割的實(shí)現(xiàn)要點(diǎn)

1、摘要1原理與實(shí)現(xiàn)11.1 圖像分割11.2 閾值分割11.3 otsu 算法22設(shè)計(jì)實(shí)現(xiàn)程序43程序運(yùn)行結(jié)果與分析 73.1 程序運(yùn)行結(jié)果73.2 結(jié)果分析94心得體會11參考文獻(xiàn)12武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)摘要圖像分割是圖像識別和圖像理解的基本前提步驟。圖像分割算法一般是基于 灰度的兩個(gè)性質(zhì)之一：不連續(xù)性和相似性。圖像的閾值分割是基于圖像的相似性 根據(jù)事先制定的準(zhǔn)則將圖像分割為相似的區(qū)域。圖像分割的作用是把反映物體真 實(shí)情況的、占據(jù)不同區(qū)域的、具有不同特性的目標(biāo)區(qū)分開來，以便計(jì)算各個(gè)目標(biāo) 的數(shù)字特征。圖像分割質(zhì)量的好壞直接影響后續(xù)圖像處理的效果，甚至決定其成 敗，因此，圖像分割的作用至關(guān)

2、重要。本設(shè)計(jì)主要是使用閾值分割法中的最大類 問方差法（otsu的原理來將圖像進(jìn)行不使用庫函數(shù)和使用庫函數(shù)的閾值分割， 并將兩種方法的閾值顯示出來進(jìn)行比較，同時(shí)顯示不同閾值情況下的圖像結(jié)果。關(guān)鍵詞：圖像分割 閾值分割最大類間方差法武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)1原理與實(shí)現(xiàn)1.1 圖像分割數(shù)字圖像處理的目的之一是圖像識別，而圖像分割是圖像識別工作的基礎(chǔ)。圖像分割是將一幅圖像分解成若干互不交疊的、有意義的、具有相同性質(zhì) 的區(qū)域。這些區(qū)域互不交疊，每一個(gè)區(qū)域內(nèi)部的某種特性或特征相同或接近，而不同區(qū)域間的圖像特征則有明顯差別，即同一區(qū)域內(nèi)部特性變化平緩，相對一致，而區(qū)域邊界處則特性變化比較劇烈。區(qū)域內(nèi)是一

3、個(gè)所有像素都有相鄰 或相接觸像素的集合，是像素的連通集。在一個(gè)連通集中任意兩個(gè)像素之間，都存在一條完全由這個(gè)集合的元素構(gòu)成的連通路徑。圖像分割的基礎(chǔ)是像素問 的相似性和不連續(xù)性。所謂“相似性”是指在某個(gè)區(qū)域內(nèi)像素具有某種相似的 特性，如灰度一樣，紋理相同；所謂“不連續(xù)性”是指特性不連續(xù)，如灰度值 突變等。圖像分割的方法有多種，依據(jù)工作又t象來分，可分為點(diǎn)相關(guān)分割和區(qū)域相 關(guān)分割；按算法分類，可分為閾值法、界限檢測法、匹配法、跟蹤法等。然而大 多數(shù)分割方法都不能將圖像完美的分割，具體處理時(shí)總是在各種約束條件之間找 一種合理的平衡。1.2 閾值分割閾值處理是一種區(qū)域分割技術(shù)，它適用于物體與背景有較

4、強(qiáng)對比的景物分 割。它主要是利用圖像中要提取的目標(biāo)物體和背景在灰度上的差異，選擇一個(gè)合適的閾值,通過判斷圖像中的每一個(gè)像素點(diǎn)的特征屬性是否滿足閾值的 要求來確定圖像中該像素點(diǎn)應(yīng)該屬于目標(biāo)區(qū)還是應(yīng)該屬于背景區(qū)域，從而產(chǎn)生二值圖像。它計(jì)算簡單，而且總能用封閉而且連通的邊界定義不交疊的區(qū) 域。在使用閾值法進(jìn)行分割技術(shù)時(shí)，閾值的選取成為能否正確分割的關(guān)鍵，若 將所有灰度值大于或等于某閾值的像素都被判屬于物體,則將所有灰度值小 于該閾值的像素被排除在物體之外，如果閾值選取得過高，則過多的目標(biāo)區(qū) 域?qū)⒈粍澐譃楸尘?，相反如果閾值選取得過低，則過多的背景將被劃分到目 標(biāo)區(qū)。因此，邊界就由這樣一些內(nèi)部點(diǎn)的集合組

5、成，這些點(diǎn)都至少有一個(gè)鄰點(diǎn) 不屬于該物體。由于物體和背景以及不同物體之間的灰度級有明顯的差別，因此，在圖像 的灰度級直方圖中會呈現(xiàn)明顯的峰值。當(dāng)圖像灰度直方圖峰型分布明顯時(shí) ，常 以谷底作為門限候選值。所以只要適當(dāng)?shù)剡x擇閾值 ,即可對圖像進(jìn)行分割，因 而成為一種簡單而廣泛應(yīng)用的方法。1.3 otsu 算法otsu算法，又稱最大類間方差閾值選擇法，是一種自適應(yīng)的閾值確定的方 法。它是按圖像的灰度特性，將圖像分成背景和目標(biāo)兩部分。背景和目標(biāo)之間 的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景 或部分背景錯(cuò)分為目標(biāo)都會導(dǎo)致兩部分差別變小。因此，使類間方差最大的分 割意味著錯(cuò)分概

6、率最小。方法一：不使用庫函數(shù)的算法設(shè)x是一幅具有l(wèi)級灰度級的圖像，其中第i級像素為n個(gè)，其中i的值 在0l-1之間，圖像的總像素點(diǎn)個(gè)數(shù)為：l4n ="ni(1)i =0第i級出現(xiàn)的概率為：npf在otsuj法中，以閾值k將所有的像素分為目標(biāo) 和背景ci兩類。其中，c0類的像素灰度級為0k-1, g類的像素灰度級為kl-1 o圖像的總平均灰度級為：l 4n=£ipi(3)i =0co類像素所占的總面積的比例為：k 1m=£r(4)i -0cl類像素所占的總面積的比例為：1 =1 t 0(5)co類像素的平均灰度級為：% = %«)/初(6)ci類像素的平均

7、灰度級為：/ =心«)/孫(7)其中， k 1%(k)=£ipi(8)i =0l-1ni(k)=£ ipi =1n°(k)(9)i4最大類間方差的公式為：62(k)"o(n-坊)2 十以(n-k)2(10)令k從0l-1變化，計(jì)算在不同k值下的類間方差62(k),使得62(k)最大 值時(shí)的那個(gè)k值就是所要求的最優(yōu)閾值。方法二：使用庫函數(shù)的算法在matlab工具箱提供的graythresh函數(shù)求取閾值采用的就是 otsubo, 使用庫函數(shù)求取閾值就是調(diào)用graythresh函數(shù)選擇閾值。2設(shè)計(jì)實(shí)現(xiàn)程序依據(jù)本次課程設(shè)計(jì)的要求，在程序設(shè)計(jì)中，我用了非

8、庫函數(shù)和庫函數(shù)兩種方 法進(jìn)行圖像的閾值求取，然后將圖像進(jìn)行人工選擇不同閾值的閾值分割，以便進(jìn) 行對比。由于要實(shí)現(xiàn)的功能不止一個(gè)，程序比較復(fù)雜，所以為了方便程序的閱讀 與理解，我將程序進(jìn)行分模塊編寫。具體程序如下：%主程序%清除變量，關(guān)閉所有窗口%獲取圖片路徑及文件名%讀圖%彩色轉(zhuǎn)黑白%循環(huán)執(zhí)行function main clear;closeall;name path=uigetfile('edx1102.jpg);i=imread(path name);i=rgb2gray(i);while 1disp('0原圖1 otsu 2全局閾值')；顯示功能提示信息selec

9、t=input('請選擇：');%選擇相應(yīng)功能switch selectcase0%輸入0顯示原圖yuantu(i);case1 % 輸入 1 otsu 法fun1(i);case2 %輸入2全局閾值法fun2(i);otherwise%其他值不處理end end function yuantu(i) %顯示原圖 figureimshow(i);title ('原圖')function fun1(i) %閾值計(jì)算程序ni=imhist(i);%計(jì)算直方圖數(shù)組n=sum(ni);%總像素點(diǎn)個(gè)數(shù)delamax=0;%類間方差最大值threshold=0;%閾值for

10、 k=2:255u=dot(0:255,ni/n);%圖像的總平均灰度級w0=sum(ni(1:k)/n);%c0類像素所占面積的比例w1=1-w0;%c1類像素所占面積的比例if w0=0|w0=1%當(dāng)00為1或0時(shí)提前結(jié)束本次循環(huán)continueendu0=dot(0:k-1,ni(1:k)/n)/w0;%c0類像素的平均灰度u1=dot(k:255,ni(k+1:256)/n)/w1;%c1類像素的平均灰度dela(k)=w0*(u-u0)a2+w1*(u-u1)a2;%類問方差公式%求出類間方差的最大值，最大時(shí)的那個(gè)值對應(yīng)的 k值存入delamaxif dela(k)>delam

11、axdelamax=dela(k);threshold=k-1;end endbw1=im2bw(i,threshold/255);%閾值分割figureimshow(bw1),title('自編程序運(yùn)行結(jié)果')%顯示圖片disp('自編程序求的的閾值：')%顯示提示信息disp(threshold)%顯示結(jié)果%調(diào)用系統(tǒng)函數(shù)otsu閾值分割level=graythresh(i);%調(diào)用系統(tǒng)函數(shù)計(jì)算閾值bw2nm2bw(i,level);%閾值分割figure6imshow(bw2),title('調(diào)用庫函數(shù)運(yùn)行結(jié)果)level=round(level*2

12、55);disp('調(diào)用庫函數(shù)求得的閾值：')disp(level)function fun2(i)width height=size(i);th=input('請輸入閾值:');for i=1:widthfor j=1:heightif(i(i,j)<th)bw1(i,j)=0;elsebw1(i,j)=1;endendendfigureimshow(bw1),title('全局i閾值')%四舍五入計(jì)算調(diào)用系統(tǒng)函數(shù)的閾值%閾值分割程序%獲取圖片寬高%灰度小于閾值時(shí)則為黑色%灰度大于等于閾值時(shí)則為白色武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)3程序運(yùn)行結(jié)

13、果與分析3.1程序運(yùn)行結(jié)果-+ n運(yùn)行matlab,輸入程序運(yùn)行，按照要求輸入指令得到以下結(jié)果:command window new to matlab? watch this videa口，hide, nr read gettin口 started.0原圖1 qt5u 2全局園值 清逶擇：00原圖1 otsu 2全局閾直 請選擇：1自編程序求的的陸值；136調(diào)用庫函勃求得的潮值：0原圖1 otsu 2全局闌值 請選擇：2請卷入園值：1560原圖1 otso 2全局闌值清詼擇：2清輸入圍值."00原圖1 otsu 2全局閾唱請選擇：2請輸入園值0原圖1 0t5u 2全局質(zhì)值清逸擇：2

14、請輸入前值：1武0原圖1 otsu 2全局鬧值 fx請選擇：圖1命令囪口運(yùn)行結(jié)果圖2顯示原圖7武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)圖3自編程序運(yùn)行結(jié)果圖4調(diào)用庫函數(shù)運(yùn)行結(jié)果圖5人工選擇閾值為156的運(yùn)行結(jié)果12圖6人工選擇閾值為120的運(yùn)行結(jié)果圖7 人工選擇閾值為180的運(yùn)行結(jié)果3.2結(jié)果分析由圖1結(jié)果顯示可以看出自編程序和調(diào)用庫函數(shù)的閾值都是156,得到同樣的分割閾值，由圖3和圖4兩幅處理后的結(jié)果圖也可以看出，處理的效果基 本相同，滿足設(shè)計(jì)要求。當(dāng)使用全局閾值法時(shí)，只要輸入的閾值和otsu算出的閾值一樣，即輸入156時(shí)，如圖5可見處理結(jié)果就完全一樣。當(dāng)輸入的閾值高于或低于156時(shí)， 處理結(jié)果便產(chǎn)生了

15、差異。由圖6和圖7可以看到，當(dāng)輸入閾值為120時(shí)，目標(biāo) 圖像比例明顯增加，背景圖像明顯減少；當(dāng)輸入閾值為 180時(shí)，目標(biāo)圖像則減 少，背景圖像增加。這正驗(yàn)證了如果閾值選取得過高，則過多的目標(biāo)區(qū)域?qū)⒈?劃分為背景，相反如果閾值選取得過低，則過多的背景將被劃分到目標(biāo)區(qū)。4心得體會由于這一學(xué)期我們基本沒有什么課程學(xué)習(xí)，所以在拿到這次課程設(shè)計(jì)的題目 后，我認(rèn)真的回顧了一遍課本上的知識，尤其重點(diǎn)復(fù)習(xí)了圖像分割這一方面。我這次課程設(shè)計(jì)的重點(diǎn)是用最大類間方差閾值選擇法（otsu,要求不使用 庫函數(shù)和使用庫函數(shù)兩種方法實(shí)現(xiàn)，并且針對不同的閾值進(jìn)行閾值分割的結(jié)果 進(jìn)行分析。本次課設(shè)的難度并不大，實(shí)現(xiàn)原理比較簡單，但是編程的細(xì)節(jié)要注 意，我在編程的過程中對有些函數(shù)不太熟悉，常常要停頓下來查閱資料，所以 我決定先不急于做出結(jié)果，磨刀不誤砍柴工，我查閱了很多相關(guān)的資料，認(rèn)真 學(xué)習(xí)了 matlab的使用和一些函數(shù)的基本應(yīng)用，總算對課程設(shè)計(jì)要求的知識學(xué) 習(xí)達(dá)到了一定的標(biāo)準(zhǔn)，最后順利的完成了課設(shè)要求。通過本次課程設(shè)計(jì)，我對圖像分割有了深入的了解，也加深了對 matlab的 掌握程度，在學(xué)到科學(xué)知識的同時(shí)，我也學(xué)到了做事的道理：不要急于求成， 個(gè)一步一個(gè)腳印，理論和時(shí)間都很重要