基于小波图像的阈值分割技术研究

1、.基于小波图像的阈值分割技术研究 摘要：图像分割是一种重要的图像分析技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。文章介绍一种基于小波变换的图像分割方法,该方法先对图像的灰度直方图进行小波多尺度变换,先在较大的尺度下找出图像分割阈值的粗略值,然后逐渐减小尺度,精确定位分割阈值。实验结果表明, 本设计能够实时稳定的对目标分割提取，分割效果良好。关键词:小波变换；图像分割；阈值分割1 引言 图像分割算法的研究已有几十年的历史，一直以来都受到人们的高度重视。数字图像处理技术是一个跨学科的领域。随着计

2、算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。 图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有阈值分割方法，边界分割方法，区域提取方法，结合特定理论工具的分割方法等。小波变换具有良好局部特性，当小波函数尺度较大时，抗噪声的能力强，当小波函数尺度较小时，提取图像细节的能力强，这样就可以很好地解决抑制噪声和提取图像边缘细节之间的矛盾，因而得到较大发展。2 基于小波变换的阈值法分割技术2.1阈值分割法原理阈值化图像分割是一种最基本的图像分割方法，对灰度

3、图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为两类。这两类像素一般分属图像的两类区域，从而达到分割的目的。设原始图像为f(x,y),按照一定准则在f(x,y)中找到某种特征值，该特征值便是进行分割时的阈值T，或者找到某个合适的区域空间，将图像分割成两个部分，分割后的图像为 （2-1）对于有多种阈值情况，分割后的图像可以表示为： （2-2） 其中是一组分割阈值，是经分割后对应不同区域的图像灰度值，K为分割后的区域或目标数，无论是单阈值分割还是多阈值分割，都是选取一个比较合理的阈值，以确定图像中每个像

4、素点应该属于目标区域还是背景区域，从而产生相应的二值图像。2.2小波分割算法及步骤分割算法的计算量与图像尺寸大小呈线性变化，本论文介绍直方图的多分辨率分析。对于每个整数jZ（Z整数集合），表示在j分辨率下的二进制有理数。因此，对于任何jZ，是一组在实数轴上的等间隔采样点集合，如果ij,则表示高分辨率（较细）的采样点。假定f表示为一幅图像，g是图像f中最大灰度，则直方图表示为 （2-3）式中表示计数操作，是离散函数。令，离散函数表示成连续函数,看作是由几个分段常数函数组成。对于jZ，按采样点采样，则表示在j分辨率下的直方图。进一步可以用Haar尺度函数的平移与伸缩表示，即 （2-4） （2-5）

5、多层表达曲线可以表示如下 （2-6）对直方图进行小波分解，利用小波系数，按式（2-6）重建直方图，从近似直方图中选择阈值，完成分割阈值。步骤如下：步骤1：预设分割区域为M，分解级数，L为图像最大灰度值；步骤2：小波分解曲线，得到，令j=0,;步骤3：，将大于j分解层次的系数设置为0，用式（2-6）重建，在重建直方图中，找出满足和条件的标号l（灰度），并且统计标号l的个数n;步骤4：如果nM,则j=j+1,当jJ时，转向步骤:3；步骤5：从重建直方图中，找到阈值；步骤6：像素值与阈值比较，标出所在区域。、2.3 实验结果分析 图1 小波分解图2 传统分割 图3 小波阈值分割基于灰度直方图小波变换

6、的多阈值分割，在小尺度下受噪声影响较大，但对阈值的定位比较准；大尺度下受噪声影响较小，可以找到确定阈值。峰与峰之间的谷点直接在大尺度下进行，既克服了噪声的影响，又有效的选取到最优阈值。图像分割的效果较好。参考文献:1 汪海洋，潘德炉，夏德深 二维Otsu自适应阈值选取算法的快速实现 自动化学报2007 年9月第33卷第9期2 丁亮，张永平，张雪英 图像分割方法及性能评价综述 国际IT传媒品牌软件2010年第31卷第12期3 刘海华，陈州徽，陈心浩，陈亚光 基于小波变换的多分辨率图像分割 中南民族大学电信学院1002-8331-（2006）01-0050-034 GRADYLJ . Space 2Variant ComputerVision : A Graph 2Theoretic App roachD . Boston University, 20045 P Soundararajan，S SarkarAnalysis of Mincut，Average