基于MATLAB的圖像閾值分割技術(shù)(共10頁(yè))

1、精選優(yōu)質(zhì)文檔-傾情為你奉上基于MATLAB的圖像閾值分割技術(shù)摘要：本文主要針對(duì)圖像閾值分割做一個(gè)基于MATLAB的分析。通過(guò)雙峰法，迭代法以及OUTS法三種算法來(lái)實(shí)現(xiàn)圖像閾值分割，并且就這三種算法做了一定的分析和比較，在加椒鹽的圖片上同時(shí)進(jìn)行三種實(shí)驗(yàn)，做出比較，最終得出實(shí)踐結(jié)論。 關(guān)鍵詞：圖像分割 MATLAB 閾值分割 算法引言：圖像分割是圖像處理與計(jì)算機(jī)視覺(jué)領(lǐng)域低層次視覺(jué)中最為基礎(chǔ)和重要的領(lǐng)域之一，它是對(duì)圖像進(jìn)行視覺(jué)分析和模式識(shí)別的基本前提同時(shí)它也是一個(gè)經(jīng)典難題，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀(guān)標(biāo)準(zhǔn)，圖像閾值分割即是其中的一種方法。 閾值分割技術(shù)

2、因其實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)，已被應(yīng)用于很多的領(lǐng)域，在很多圖像處理系統(tǒng)中都是必不可少的一個(gè)環(huán)節(jié)。1、閾值分割思想和原理若圖像中目標(biāo)和背景具有不同的灰度集合：目標(biāo)灰度集合與背景灰度集合，且兩個(gè)灰度集合可用一個(gè)灰度級(jí)閾值T進(jìn)行分割。這樣就可以用閾值分割灰度級(jí)的方法在圖像中分割出目標(biāo)區(qū)域與背景區(qū)域，這種方法稱(chēng)為灰度閾值分割方法。在物體與背景有較強(qiáng)的對(duì)比度的圖像中，此種方法應(yīng)用特別有效。比如說(shuō)物體內(nèi)部灰度分布均勻一致，背景在另一個(gè)灰度級(jí)上也分布均勻，這時(shí)利用閾值可以將目標(biāo)與背景分割得很好。如果目標(biāo)和背景的差別是某些其他特征而不是灰度特征時(shí)，那么先將這些

3、特征差別轉(zhuǎn)化為灰度差別，然后再應(yīng)用閾值分割方法進(jìn)行處理，這樣使用閾值分割技術(shù)也可能是有效的設(shè)圖像為f(x,y)，其灰度集范圍是0,L，在0和L之間選擇一個(gè)合適的灰度閾值T，則圖像分割方法可由下式描述： 這樣得到的g(x,y)是一幅二值圖像。（一）原理研究圖像閾值分割的方法有很多，在這里就其中三種方法進(jìn)行研究，雙峰法，迭代法，以及OUTS法。方法一：雙峰法方法原理：雙峰法是一種簡(jiǎn)單的閾值分割方法。雙峰法先將原圖轉(zhuǎn)為灰度圖，然后將灰度圖轉(zhuǎn)為灰度直方圖，灰度直方圖就是灰度級(jí)的像素?cái)?shù)ni與灰度i的二維關(guān)系，它反映了一幅圖像上灰度分布的統(tǒng)計(jì)特性，在MATLAB中使用函數(shù)imhist來(lái)實(shí)現(xiàn)。如果得到的灰度

4、直方圖呈現(xiàn)明顯的雙峰狀，則選取雙峰之間的谷底所對(duì)應(yīng)的灰度級(jí)作為閾值分割。方法二：迭代法方法原理：開(kāi)始時(shí)候選擇一個(gè)閾值作為初始估計(jì)值，然后按著某種策略不斷得改進(jìn)這個(gè)估計(jì)值，直到滿(mǎn)足給定的準(zhǔn)則為止。（1） 求出圖像最大灰度值Max和最小灰度值Min，初始閾值估計(jì)值T0.=(Max+Min)*0.5.（2） 用T0將圖像分割為目標(biāo)和前景。圖像分成兩組像素：Z1由所有灰度值大于或等于T0的像素組成，而Z0由所有灰度值小于T0的像素組成。（3） 分別求出兩者區(qū)域中的所有像素計(jì)算平均灰度值a1和a2。（4） 計(jì)算新的閾值T1=(a1+a2)*0.5.如果|Ti+1-Ti|<0.5，則退出循環(huán)，Ti+

5、1即為所求閾值；否則，將Ti+1復(fù)制給Ti，重復(fù)（2）（5）。方法三：OTSU法方法原理 OTUS又稱(chēng)：最大類(lèi)間法，該算法是在使類(lèi)間方差最大的自動(dòng)確定閾值的方法，是在判決分析最小二乘法原理的基礎(chǔ)上推到得出的，其算法比較簡(jiǎn)單，是一種方便可行的閾值選取方法。設(shè)原始灰度圖像灰度級(jí)范圍為0,L,灰度級(jí)為i的像素點(diǎn)數(shù)為ni，則圖像的全部像素?cái)?shù)為：把圖像中的像素按灰度值用閾值t分成兩類(lèi)C0和C1，由灰度值在0,t之間的像素組成，由灰度值在t+1,L-1之間的像素組成，對(duì)于灰度分布概率，整幅圖的均值為ut因此，C0和C1的均值為： 其中上面三式可得 ut= w0u0+ w1u1類(lèi)間方差定義為：讓t在0,L-

6、1范圍一次取值，使類(lèi)間方差最大的他值即為OUTS法的最佳閾值。MATLAB工具箱提供的graythresh函數(shù)求取閾值。算法：1、雙峰法圖像閾值分割matlab code：I=imread('cat.jpeg');I=rgb2gray(I);imhist(I)直方圖： 說(shuō)明：根據(jù)雙峰法原理，觀(guān)察到灰度圖像直方圖呈現(xiàn)明顯的雙峰狀，則選取雙峰之間的谷底所對(duì)應(yīng)的灰度級(jí)作為閾值分割。如上圖，選取230作為分割點(diǎn)。I=imread('cat.jpeg');I=rgb2gray(I);figuresubplot(1,2,1)imshow(I);width,height=si

7、ze(I);title('原圖') for i=1:width for j=1:height if(I(i,j)<230) RC(i,j)=0; else RC(i,j)=1; end end endsubplot(1,2,2)imshow(RC)title('雙峰法圖像閾值分割處理效果圖')此圖為C=230此圖為C=150此圖為C=30由此可得，閾值的選取在雙峰法里十分的重要。2、迭代法實(shí)行閾值分割的matlab code:I=imread('cat.jpeg');I=rgb2gray(I);figuresubplot(1,2,1)ims

8、how(I);title('原圖');I=double(I);T=(min(I(:)+max(I(:)/2;done=false; i=0; while done r1=find(I<=T); r2=find(I>T); Tnew=(mean(I(r1)+mean(I(r2)/2; done=abs(Tnew-T)<1; T=Tnew; i=i+1; end I(r1)=0; I(r2)=1; subplot(1,2,2) imshow(I); title('迭代后效果圖);通過(guò)迭代法求閾值后進(jìn)行的分割：3、OTSU算法進(jìn)行圖像閾值分割的matlab

9、code:I=imread('cat.jpeg');I=rgb2gray(I);figuresubplot(1,2,1)imshow(I);title('原圖')width,height=size(I);level=graythresh(I);BW=im2bw(I,level);subplot(1,2,2)imshow(BW);title('otsu算法閾值分割效果圖');（二）三者的比較研究由結(jié)果可知：迭代法和OTSU法的作用效果相似，設(shè)計(jì)原理相對(duì)于雙峰來(lái)說(shuō)要復(fù)雜點(diǎn)，但是分割效果比雙峰法好些，但是對(duì)于有噪音的圖片進(jìn)行分割，OUST法和迭代法相對(duì)

10、雙峰法的處理效果要差些。I=imread('pink.jpg');I=rgb2gray(I);figuresubplot(1,2,1)imshow(I);title('原圖');I=imnoise(I,'salt & pepper',0.08);subplot(1,2,2)imshow(I);title('加椒鹽噪聲');三種算法同時(shí)進(jìn)行圖像閾值分割結(jié)果： 小結(jié)：經(jīng)研究可知迭代法和OTSU法的作用效果相似，都屬于自動(dòng)閾值選擇法，設(shè)計(jì)原理相對(duì)于雙峰來(lái)說(shuō)要復(fù)雜點(diǎn)，并且對(duì)有噪音的圖片處理不是很好，而且迭代對(duì)于圖像的細(xì)微處或者淺色的線(xiàn)條還沒(méi)有很好的處分度。雙峰法雖簡(jiǎn)單，但應(yīng)用范圍小，對(duì)于那些峰值不太明顯或者目標(biāo)背景交界處兩邊像素在灰度值上有差別不是很明顯的圖