灰度圖像二值化閾值選取常用方法

灰度圖像二值化閾值選取常用方法1第1頁，共14頁，2023年，2月20日，星期日匯報內(nèi)容一、研究背景二、二值化閾值選取常用方法三、總結(jié)與展望2第2頁，共14頁，2023年，2月20日，星期日一、研究背景機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統(tǒng)是指通過機器視覺產(chǎn)品（即圖像攝取裝置，分CMOS和CCD兩種）將被攝取目標轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號；圖像系統(tǒng)對這些信號進行各種運算來抽取目標的特征，進而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備動作。3第3頁，共14頁，2023年，2月20日，星期日一、研究背景※二值化及閾值二值化的基本過程如下：對原始圖像作中低通濾波，進行圖像的預(yù)處理，降低或去除噪聲；用算法確定最佳閾值T；凡是像素的灰度值大于這個閾值的設(shè)成255，小于這個閾值的設(shè)成0。這樣處理后的圖像就只有黑白兩色，從而將灰度范圍劃分成目標和背景兩類，實現(xiàn)了圖像的二值化。圖像二值化是圖像處理的基本技術(shù)，也是圖像處理中一個非?；钴S的分支，其應(yīng)用領(lǐng)域非常廣泛，特別是在圖像信息壓縮、邊緣提取和形狀分析等方面起著重要作用，成為其處理過程中的一個基本手段。二值化的目的是將上步的圖像增強結(jié)果轉(zhuǎn)換成黑白二值圖像，從而能得到清晰的邊緣輪廓線，更好地為邊緣提取、圖像分割、目標識別等后續(xù)處理服務(wù)。255(白)f(x,y)≧T0(黑)f(x,y)<Tg(x,y)=4第4頁，共14頁，2023年，2月20日，星期日而選取合適的分割閾值可以說是圖像二值化的重要步驟，過高的閾值會導致一些真實邊緣的丟失，過低的閾值又會產(chǎn)生一些無謂的虛假邊緣。下面介紹幾種基本的閾值選取算法。二、二值化閾值選取常用方法1.雙峰法2.P參數(shù)法3.大津法（Otsu法或最大類間方差法）4.最大熵閾值法5.迭代法（最佳閾值法）5第5頁，共14頁，2023年，2月20日，星期日在一些簡單的圖像中，物體的灰度分布比較有規(guī)律，背景與各個目標在圖像的直方圖各自形成一個波峰，即區(qū)域與波峰一一對應(yīng)，每兩個波峰之間形成一個波谷。那么，選擇雙峰之間的波谷所代表的灰度值T作為閾值，即可實現(xiàn)兩個區(qū)域的分割。如圖1所示。式中f(x,y)為灰度圖像的灰度值，T為閾值，g(x,y)為二值化后的灰度圖像。255(白)f(x,y)≧T0(黑)f(x,y)<Tg(x,y)=1.雙峰法6第6頁，共14頁，2023年，2月20日，星期日2.P參數(shù)法，則P參數(shù)法的具體步驟可以如下描述：當不同區(qū)域（即目標）之間的灰度分布有一定的重疊時，雙峰法的效果就很差。如果預(yù)先知道每個目標占整個圖像的比例P，則可以采用P參數(shù)法進行分割。

P參數(shù)法的具體步驟可以如下描述，假設(shè)已知整個直方圖中目標區(qū)域所占的比例為P1：1)計算圖像的直方圖分布P(t).其中t=0,1,2,…,255，表示圖像的灰度值；

2)從最低的灰度值開始，計算圖像的累積分布直方圖。t=0,1,2,…,255，3)計算閾值T,有t=0,1,2,…,255，也就是說，閾值就是與P1最為接近的累積分布函數(shù)所對應(yīng)的灰度值t。需要預(yù)先知道目標區(qū)域的P值，因此成為P參數(shù)法。7第7頁，共14頁，2023年，2月20日，星期日3.大津法（Otsu法或最大類間方差法）最大類間方差法是由Otsu于1979年提出的，是基于整幅圖像的統(tǒng)計特性實現(xiàn)閾值的自動選取的，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將圖像的灰度分成兩組，當兩組的類間方差最大時，此灰度值t就是圖像二值化的最佳閾值。設(shè)圖像有M個灰度值，取值范圍在0～M-1，在此范圍內(nèi)選取灰度值t，將圖像分成兩組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表示圖像像素總數(shù)，ni表示灰度值為i的像素的個數(shù)。已知：每一個灰度值i出現(xiàn)的概率為pi＝ni/N；假設(shè)G0和G1兩組像素的個數(shù)在整體圖像中所占百分比為W0,W1，兩組平均灰度值為u0,u1，可得概率：

平均灰度值：

8第8頁，共14頁，2023年，2月20日，星期日3.最大類間方差法（大津法或Otsu法）圖像的總平均灰度為：間類方差為：最佳閾值為：T=argmax(g(t))使得間類方差最大時所對應(yīng)的t值大律法得到了廣泛的應(yīng)用，但是當物體目標與背景灰度差不明顯時，會出現(xiàn)無法忍受的大塊黑色區(qū)域，甚至會丟失整幅圖像的信息。算法可這樣理解：閾值T將整幅圖像分成前景和背景兩部分，當兩類的類間方差最大時，此時前景和背景的差別最大，二值化效果最好。因為方差是灰度分布均勻性的一種度量，方差值越大，說明構(gòu)成圖像的兩部分差別越大，當部分目標錯分為背景或部分背景錯分為目標都會導致兩部分差別變小，因此使類間方差最大的分割閾值意味著錯分概率最小。9第9頁，共14頁，2023年，2月20日，星期日4.最大熵閾值法將信息論中的shannon熵概念用于圖像分割，其依據(jù)是使得圖像中目標與背景分布的信息量最大，即通過測量圖像灰度直方圖的熵，找出最佳閾值。根據(jù)shannon熵的概念，對于灰度范圍為0,1,2,…,M-1的圖像，其直方圖的熵定義為（僅僅是定義）：其中pi為灰度值為i的像素在整體圖像中的概率。

設(shè)閾值t將圖像劃分為目標O和背景B兩類，他們的概率分布分別為O區(qū)：i=0,1，…，t；B區(qū)：i=t+1,t+2，…，M-1；其中令則目標O和背景B的熵函數(shù)分別為：10第10頁，共14頁，2023年，2月20日，星期日4.最大熵閾值法圖像的總熵為最佳閾值T為使得圖像的總熵取得最大值：T=argmax(H(t))此方法不需要先驗知識，而且對于非理想雙峰直方圖的圖像也可以進行較好的分割。缺點是運算速度較慢不適合實時處理。僅僅考慮了像素點的灰度信息，沒有考慮到像素點的空間信息，所以當圖像的信噪比降低時分割效果不理想。11第11頁，共14頁，2023年，2月20日，星期日迭代法是基于逼近的思想，迭代閾值的獲取步驟可以歸納如下：5.迭代法（最佳閾值法）1）選擇一個初始閾值T(j)，通?？梢赃x擇整體圖像的平均灰度值作為初始閾值。j為迭代次數(shù)，初始時j=0。2）用T(j)分割圖像，將圖像分為2個區(qū)域和3）計算兩區(qū)域的平均灰度值，其中、為第j次迭代時區(qū)域C1和C2的像素個數(shù)，f(x,y)表示圖像中（x,y）點的灰度值。4）再計算新的門限值，即5）令j=j+1，重復(fù)2）~4）,直到T(j+1)與T(j)的差小于規(guī)定值。12第12頁，共14頁，2023年，2月20日，星期日圖像處理技術(shù)發(fā)展至今，雖然沒有達到非常完美的程度。但對于二值化這樣一個圖像分割中非常重要的分支，可以說已經(jīng)趨近成熟。上述提到的二值化算法都是很基礎(chǔ)但是非常實用的一些算法。還有很多高階的算法，都是從這些算法中延伸或者改進而來。文中提出的算法都是基于一維直方圖的，還有基于二維