基于阈值分割技术的图像分割法研究

1、基于阈值分割技术的图像分割法研究摘 要： 在阈值分割法中，Otsu算法是图像阈值化分割法的经典算法，在图像处理中有广泛的应用；但此算法存在耗时长、分割精度低等缺点。在对Otsu阈值分割法进展分析的根底上，提出一种改进的Otsu算法。该算法采用缩小可取的灰度值范围的方式减少计算量，在小范围内应用Otsu算法计算最终分割阈值。通过Matlab仿真，所得结果比照说明，改进的Otsu算法在图像分割时间和效果上均优于原Otus算法。关键词： 阈值分割法； Otsu算法； 图像处理； 灰度值中图分类号： TN911.73?34； TP391.41 文献标识码： A 文章编号： 1004?373X20221

2、6?0105?03Abstract： The Otsu algorithm is a classical algorithm of image threshold segmentation method， and is widely used in image processing. However， this algorithm has the disadvantages of long time consuming， low segmentation precision， etc. On the basis of the analysis of the Otsu threshold seg

3、mentation method， an improved Otsu algorithm is presented. The algorithm can reduce the calculated quantity by narrowing the range of the available grayscale value， and then calculate the final segmentation threshold in a small area. The contrast results of Matlab simulation show that the improved O

4、tsu algorithm is superior to the original Otsu algorithm in the aspects of image segmentation time and effect.Keywords： threshold segmentation algorithm； Otsu algorithm； image processing； grayscale value0 引 言图像分割技术是图像处理中的重要技术，其通过寻找一种方法，将图像分为两部分或多个部分，简化图像的表现形式1。在实际应用中，是否能有效地将目的或多个目的与背景别分开来是图像分割技术的关键所

5、在。在图像分割方法中常用的有聚类法、区域跟踪法、模糊法、边缘检测法和阈值法等2?3。而阈值化分割法是最为常用的图像分割方法，其具有稳定、简明的特点，能准确地分割灰度差明显的图片3?4。阈值分割法是根据图像中的目的物体和背景在灰度上的不同改变其阈值，将像素点根据灰度的不同分为诸多类，从而实现图像分割5?6。基于阈值分割技术的分割法众多，如Otsu法、直方图阈值法和迭代法等。Otsu法是阈值化分割法中的经典算法，其根据图像的灰度特性确定分割阈值，并将区别明显的灰度区域分割开来，因其分割效果良好，已广泛地应用于图像处理7。但Otsu算法仍存在着缺乏，处理灰度区别不明显的图片时难以得到满意的结果，且计

6、算过程耗时较长。在日常拍摄图像下，多以建筑物、树林等物体为背景，目的与物体灰度易于分辨，且灰度直方图大致成双峰或多峰形式，适宜Otsu算法。因此，本文在分析Otsu算法的根底上提出了一种改进的Otsu算法。此算法通过分析灰度直方图特征的方式，缩小最正确阈值选择范围，并改善分割效果。1 Otsu阈值分割法Otsu算法是无参量的一种自适应阈值选取法，其首先确定整幅图像的灰度，再利用灰度关系选取一个临时阈值，然后对阈值两边的区域求灰度的方差值，遍历整个灰度值之后，选取最大方差值的灰度值便是所要求取的图像分割的阈值8，其原理如下：设一幅图像的灰度级别为L，那么整幅图像的灰度范围是0，L-1，设初始灰度

7、阈值为t，图像被分割为A，B两部分。A部分对应的阈值范围为0，1，2，t，B部分对应的阈值范围为t+1，t+2，L-1。设pi表示灰度i出现的概率，ni表示灰度值为i的像素数，N表示像素总数，那么pi=niN。A，B两部分的概率为：PAt=i=0tpi， PBt=i=t+1L-1piA，B两部分的平均灰度值为：At=i=0tipiPAt， Bt=i=t+1L-1ipiPBtA，B两部分的类间方差为：dt=PAPBA-B2当类间方差dt最大时，所求得的阈值t即最正确阈值t*。最正确解可能不止一个，所以最正确阈值亦可能不止一个。当阈值数为一个时，为单阈值；假设阈值数1，那么为多阈值9。多阈值分割的

8、最大类间方差为：dt1，t2，tk=P1P21-22+ P1P31-32+P1Pk1-k2+ P2P32-32+P2Pk2-k2+ Pk-1Pkk-1-k2实际应用中，常用到的是单阈值图像分割问题9?10。由以上分析可知，Otsu算法运算量较大，且效率较低，分割的结果并不理想。假设图像的尺寸较大，其运算量也相应较大。 2 改进的Otsu算法大多数典型外景的图像直方图呈双峰型，两峰之间存在着明显的谷底，且目的区域比背景部分所占比例大。分析以上特征，可缩小最正确阈值的搜索范围。设整幅图像的灰度平均值为，可以证明，最正确阈值位于区间0，内。证明如下：-A+B2=2PAPB?i=0L-1ipi-PB?

9、i=0tipi-PA?i=t+1L-1ipi2PAPB将PB=1-PA代入上式，可得：-A+B2=1-2PA?PA?i=0tipi+PA?i=t+1L-1ipi-i=0tipi2PAPB由于目的区域所占的比例要大于背景区域，即PBPA，且PB=1-PA，所以1-2PA0。只需证明：PA?i=0tipi+PA?i=t+1L-1ipi-i=0tipi0即可，即：i=0tipi+i=t+1L-1ipii=0tipiPA即：A由于目的区域所占比例大于背景区域所占比例，且背景区域灰度要小于目的区域灰度。因此，必有A，那么-A+B20，这说明图像灰度均值位于目的灰度区域内，而最正确阈值分割点必位于目的灰度

10、区与背景灰度区之间的谷底，谷底更靠近背景区峰值点。所以，最正确阈值分割点必位于区间0，上。通过上述分析，改进后的算法可分成以下两步进展：步骤1：计算整幅图像的平均灰度值，以此灰度值作为阈值上限，即灰度范围为0，。步骤2：在灰度范围0，内运用Otsu算法选取最正确阈值t，此时的循环次数会大幅减少。3 实验仿真与结果分析选取如图1所示图片进展Matlab仿真分析，灰度级别为256，先后用原Otsu算法与本文介绍的改进Otsu算法对图像进展处理，结果如图1图5所示。图1和图2分别是原始图像和灰度图像。图3是图像的灰度直方图，呈双峰型；图4和图5是原Otsu算法与改进后Otsu算法的分割效果图。表1是

11、两种算法耗时比照。从表1可看出，原Otsu算法能大致分割出目的物体与背景，但边缘位置分割效果不佳，并未有效地分割出目的与背景。但改进后的Otsu算法不仅能分割出目的和背景，且边缘部分和目的与背景分割线均极为明确。然而，从图5中还可以看出，即使是改进后的算法在边界分割效果上仍存在误分现象。此外，从耗时上可看出，改进后的算法在效率上明显增强，运算处理速度也有大幅度提升。4 结 语在对原Otsu算法进展分析的根底上，本文提出了一种改进的Otsu算法。通过Matlab仿真实验的结果可知，改进后的Otsu算法不仅能更有效地分割目的与背景，且在耗时方面也得到了改进，计算量以及复杂度均大幅降低。但此方法还存

12、在着不可无视的缺陷，灰度区别不明显的边缘地带分割结果仍存在一定的偏向，且此方法适用于灰度直方图中背景与目的存在明显谷底的情况，并不能较好地应用于其他情况，还需进一步改进。参考文献1 姚敏.数字图像处理技术M.北京：机械工业出版社，2022.2 乔玲玲.图像分割算法研究及实现D.武汉：武汉理工大学，2022.3 刘松涛，殷福亮.基于图割的图像分割方法及其新进展J.自动化学报，2022，386：911?922.4 李红俊，韩冀皖.数字图像处理技术及其应用J.计算机自动测量与控制，2022，109：620?622.5 PAL N R， PAL S K. A review on image segmentation techniques J. Pattern recognition， 2022， 469： 1093?1098.6 王梅，李玉a，全笑梅.图像分割的图论方法综述J.计算机应用与软件，2022，319：1?12.7 OTSU N. A threshold selection method from gray?level histogram J. IEEE transaction on systems， 2022， 336： 131?136.8 GONZALEZ R C