OTSU阈值分割的实现解读

1、摘要1原理与实现11.1图像分割11.2阈值分割11.3 OTSU 算法22设计实现程序43程序运行结果与分析 73.1程序运行结果73.2 结果分析94心得体会11参考文献12摘要图像分割是图像识别和图像理解的基本前提步骤。图像分割算法一般是基于 灰度的两个性质之一：不连续性和相似性。图像的阈值分割是基于图像的相似性 根据事先制定的准则将图像分割为相似的区域。图像分割的作用是把反映物体真 实情况的、占据不同区域的、具有不同特性的目标区分开来，以便计算各个目标 的数字特征。图像分割质量的好坏直接影响后续图像处理的效果，甚至决定其成 败，因此，图像分割的作用至关重要。本设计主要是使用阈值分割法中

2、的最大类 间方差法（OTSU的原理来将图像进行不使用库函数和使用库函数的阈值分割， 并将两种方法的阈值显示出来进行比较，同时显示不同阈值情况下的图像结果。关键词：图像分割 阈值分割最大类间方差法1原理与实现1.1图像分割数字图像处理的目的之一是图像识别，而图像分割是图像识别工作的基础。图像分割是将一幅图像分解成若干互不交叠的、有意义的、具有相同性质 的区域。这些区域互不交叠，每一个区域内部的某种特性或特征相同或接近 ， 而不同区域间的图像特征则有明显差别，即同一区域内部特性变化平缓，相对一致，而区域边界处则特性变化比较剧烈。区域内是一个所有像素都有相邻 或相接触像素的集合，是像素的连通集。在一

3、个连通集中任意两个像素之间，都存在一条完全由这个集合的元素构成的连通路径。图像分割的基础是像素间 的相似性和不连续性。所谓“相似性”是指在某个区域内像素具有某种相似的 特性，如灰度一样，纹理相同；所谓“不连续性”是指特性不连续，如灰度值 突变等。图像分割的方法有多种，依据工作对象来分，可分为点相关分割和区域相 关分割；按算法分类，可分为阈值法、界限检测法、匹配法、跟踪法等。然而大 多数分割方法都不能将图像完美的分割，具体处理时总是在各种约束条件之间找 一种合理的平衡。1.2阈值分割阈值处理是一种区域分割技术，它适用于物体与背景有较强对比的景物分 害叽 它主要是利用图像中要提取的目标物体和背景在

4、灰度上的差异，选择一个合适的阈值，通过判断图像中的每一个像素点的特征属性是否满足阈值的 要求来确定图像中该像素点应该属于目标区还是应该属于背景区域，从而产生二值图像。它计算简单，而且总能用封闭而且连通的边界定义不交叠的区 域。在使用阈值法进行分割技术时，阈值的选取成为能否正确分割的关键，若 将所有灰度值大于或等于某阈值的像素都被判属于物体，则将所有灰度值小 于该阈值的像素被排除在物体之外，如果阈值选取得过高，则过多的目标区 域将被划分为背景，相反如果阈值选取得过低，则过多的背景将被划分到目 标区。因此，边界就由这样一些内部点的集合组成，这些点都至少有一个邻点 不属于该物体。由于物体和背景以及不

5、同物体之间的灰度级有明显的差别，因此，在图像 的灰度级直方图中会呈现明显的峰值。当图像灰度直方图峰型分布明显时 ，常 以谷底作为门限候选值。所以只要适当地选择阈值 ，即可对图像进行分割，因 而成为一种简单而广泛应用的方法。1.3 OTSU 算法OTSU算法，又称最大类间方差阈值选择法，是一种自适应的阈值确定的方 法。它是按图像的灰度特性，将图像分成背景和目标两部分。背景和目标之间 的类间方差越大，说明构成图像的两部分的差别越大，当部分目标错分为背景 或部分背景错分为目标都会导致两部分差别变小。因此，使类间方差最大的分 割意味着错分概率最小。方法一：不使用库函数的算法设X是一幅具有L级灰度级的图

6、像，其中第i级像素为Ni个，其中i的值 在0L-1之间，图像的总像素点个数为：L4N =為 Ni(1)i 第i级出现的概率为：Nr 在OTSI算法中，以阈值k将所有的像素分为目标Co和背景G两类。其中，Co类的像素灰度级为0k-1, G类的像素灰度级为kL-1。图像的总平均灰度级为：L 4丄八iR( 3)i =0Co类像素所占的总面积的比例为：k A0 八 P(4)i -0G类像素所占的总面积的比例为：4 = 1 -0(5)Co类像素的平均灰度级为：% = Jo(k)A-o( 6)G类像素的平均灰度级为：叫 ii(k)/( 7)其中，k J%(k)八 iR(8)i=0L-1叫(k)八 iR =

7、1 %(k)(9)最大类间方差的公式为：、2(k)八0(二-二0)21(二- T)2( 10)令k从0L-1变化，计算在不同k值下的类间方差：2(k)，使得2(k)最大 值时的那个k值就是所要求的最优阈值。方法二：使用库函数的算法在matlab工具箱提供的graythresh函数求取阈值采用的就是 OTSI算法, 使用库函数求取阈值就是调用graythresh函数选择阈值。2设计实现程序依据本次课程设计的要求，在程序设计中，我用了非库函数和库函数两种方 法进行图像的阈值求取，然后将图像进行人工选择不同阈值的阈值分割，以便进 行对比。由于要实现的功能不止一个，程序比较复杂，所以为了方便程序的阅读

8、 与理解，我将程序进行分模块编写。具体程序如下：fun cti on mainclear;closeall;n ame path=uigetfile(edx1102.jpg); l=imread(path n ame);I=rgb2gray(l);%主程序%清除变量，关闭所有窗口%获取图片路径及文件名%读图%彩色转黑白%循环执行disp(0原图1 OTSU 2全局阈值);select=input(请选择：);switch selectcase0yua ntu(l);case1fun 1(I);case2fun 2(I);otherwise%显示功能提示信息%选择相应功能%输入0显示原图%输入1

9、 OTSU法%输入2全局阈值法%其他值不处理while 1endendfun ctio n yua ntu(l) %显示原图 figureimshow(I);title (原图)fun ctio n fun 1(I)%阈值计算程序Ni=imhist(l);%计算直方图数组N=sum(Ni);%总像素点个数delamax=O;%类间方差最大值threshold=0;%阈值for k=2:255u=dot(0:255,Ni/N);%图像的总平均灰度级w0=sum(Ni(1:k)/N);%C0类像素所占面积的比例w1=1-w0;%C1类像素所占面积的比例if w0=0|w0=1%当w0为1或0时提前

10、结束本次循环con ti nueendu0=dot(0:k-1,Ni(1:k)/N)/w0;%C0类像素的平均灰度u仁 dot(k:255,Ni(k+1:256)/N)/w1;%C1类像素的平均灰度dela(k)=w0*(u-u0)A2+w1*(u-u1)A2;%类间方差公式%求出类间方差的最大值，最大时的那个值对应的k值存入delamaxif dela(k)delamaxdelamax=dela(k);threshold=k-1;endendBW仁 im2bw(l,threshold/255);% 阈值分割figureimshow(BW1),title(自编程序运行结果)%显示图片disp(

11、自编程序求的的阈值：)%显示提示信息disp(threshold)%显示结果%调用系统函数OTSU阈值分割level=graythresh(l);%调用系统函数计算阈值BW2=im2bw(l,level);%阈值分割figureimshow(BW2),title(调用库函数运行结果)level=rou nd(level*255);disp(调用库函数求得的阈值：)disp(level)fun ction fun 2(1)width height=size(l);th=input(请输入阈值:);for i=1:widthfor j=1:heightif(I(i,j)vth)BW1(i,j)=0

12、;elseBW1(i,j)=1;endendendfigureimshow(BW1),title(全局阈值)%四舍五入计算调用系统函数的阈值%阈值分割程序%获取图片宽高%灰度小于阈值时则为黑色%灰度大于等于阈值时则为白色3程序运行结果与分析运行matlab，输入程序运行，按照要求输入指令得到以下结果:匚ommand Window3.1程序运行结果Q原囹1 OT5U 2全局闹值A请选择匕00原圏1 OTSU 2全局國暄请选择：1自编程序求的的阈值；156调用库函埶求得的阈頂：1560原图1 OTSU 2全局就值借选择：2请籀入阈値：156Q原圏1 OTSO 2全局阈值请迭择:2请輪入阈值2。0原

13、图1 OTSU 2全局呦If请选择：2i青输入阈値】別0廉图1 OTSU 2全局阈德请选择：2请输入阈（1：饰庁0原圏1 OTSU 2全局阈值fx请迭择；VNew to MATLAB? Watch this Vid亡a see D亡ece. nr read Ggttinq EtartedX-+ 口图1命令窗口运行结果图2 显示原图图3自编程序运行结果File Edit View Insert Tools Desktop Window Help 鼻1巴ta洽|怎|耳虽脅寂摇T魁| 口 in *调用庫西数运行结果图4 调用库函数运行结果图5人工选择阈值为156的运行结果File Edit View

14、 Insert Tools Desktop Window Help 竺 a at、紳渥底”岂匡|全局阈値图6人工选择阈值为120的运行结果图7 人工选择阈值为180的运行结果3.2结果分析由图1结果显示可以看出自编程序和调用库函数的阈值都是156,得到同样的分割阈值，由图3和图4两幅处理后的结果图也可以看出，处理的效果基 本相同，满足设计要求。当使用全局阈值法时，只要输入的阈值和OTSU算出的阈值一样，即输入156时，如图5可见处理结果就完全一样。当输入的阈值高于或低于156时， 处理结果便产生了差异。由图6和图7可以看到，当输入阈值为120时，目标 图像比例明显增加，背景图像明显减少；当输入

15、阈值为 180时，目标图像则减 少，背景图像增加。这正验证了如果阈值选取得过高，则过多的目标区域将被 划分为背景，相反如果阈值选取得过低，则过多的背景将被划分到目标区。4心得体会由于这一学期我们基本没有什么课程学习，所以在拿到这次课程设计的题目 后，我认真的回顾了一遍课本上的知识，尤其重点复习了图像分割这一方面。我这次课程设计的重点是用最大类间方差阈值选择法（OTSU,要求不使用 库函数和使用库函数两种方法实现，并且针对不同的阈值进行阈值分割的结果 进行分析。本次课设的难度并不大，实现原理比较简单，但是编程的细节要注 意，我在编程的过程中对有些函数不太熟悉，常常要停顿下来查阅资料，所以 我决定先不急于做出结果，磨刀不误砍柴工，我查阅了很多相关的资料，认真 学习了 matlab的使用和一些函数的基本应用，总算对课程设计要求的知识学 习达到了一定的标准，最后顺利的完成了课设要求。通过本次课程设计，我对图像分割有了深入的了解，也加深了对matlab的掌握程度，在学到科学知识的同时，我也学到了做事的道理：不要急于求成， 要一步一个脚印，理论和时间都很重要，在实践遇到困难