灰度图像二值化阈值选取常用方法.ppt

1、灰度图像二值化阈值选择的常用方法，报告员：专业：机械设计与理论，2、报告内容，一、研究背景二、二值化阈值选择的常用方法三、总结与展望，三、一、研究背景，机械视觉用机械代替人眼进行测量与判断。 所谓机械视觉系统，是用机械视觉产品(摄像装置、CMOS和CCD两种)将摄像对象转换为图像信号，转送到专用的图像处理系统，根据像素的分布、亮度、颜色等信息转换为数字信号的系统4、一、研究背景：二值化和阈值、二值化的基本过程是：对原图像进行低通滤波，进行图像的预处理，使用降低或除去噪声的算法来确定最佳阈值t的所有像素的灰度值比该阈值大的是255，比该阈值小这样处理的图像只有黑白两种颜色，将灰度范围分为目标和背景两种，实现了图像的二值化。 图像二值化是图像处理的基本技术，是图像处理中非常活跃的分支，其应用领域非常广泛，尤其在图像信息压缩、边缘提取和形状分析等方面起着重要作用，成为其处理过程的基本手段。 二值化的目的是将前一步骤的图像增强结果转换成黑白二值图像，可以得到清晰的边缘轮廓，改善边缘提取、图像分割、目标识别等后续处理服务。 另外，选择适当的分割阈值可以说是图像二值化的重要步骤。 阈值过高会失去真实的边缘，过低的阈值会产生无用的虚假边缘。 介绍一些基本的阈值选择算法。 二、二值化阈值选择常用的方法，1 .双峰法2.P参数法3 .大津法(Otsu法或最大类间方差法)4.最大熵阈值法5 .迭代法(最佳阈值法)，6，在一些简单图像中，物体的灰度分布比较规则，背景和各目标是图像的直方图那么，通过选择以双峰间的谷为代表的灰度值t作为阈值，能够分割两个区域。 如图1所示。 此外，式中，f(x，y )是灰度图像的灰度值，t是阈值，g(x，y )是二值化后的灰度图像。 1 .双峰法、7，2.p参数法、p参数法的具体步骤可以阐述如下：不同区域(即目标)之间的灰度分布存在一定重叠时，双峰法的效果不佳。 如果预先知道各对象占图像整体的比例p，则能够利用p参数法进行分割。 关于p参数法具体步骤，若将对象区域在已知的直方图整体中所占的比例设为p1:1，则能够计算图像的直方图分布p (t ).2 )根据最低灰度值，计算图像的累积分布直方图。t=0、1、2、255、3 )计算阈值t是与、t=0、1、2、255，即阈值是最接近p-1的累积分布函数对应的灰度值t。 另外，因为需要预先知道目标区域的p值，所以成为p参数法。8、3 .大津法(Otsu法或最大类间方差法)是Otsu在1979年提出的最大类间方差法，根据图像整体的统计特性实现阈值自动选择，全局二值化是最好的代表。 Otsu算法的基本构思是，以某个假定灰度值t将图像的灰度分为两个组，当两个组的类之间的方差最大时，该灰度值t成为最适合图像二值化的阈值。 图像中具有m个灰度值，取值的范围为0M-1，在该范围内选择灰度值t，用ni表示图像G0和G1、G0所包含的像素的灰度值为0t，G1的灰度值为t 1M-1，图像像素的总数为n，灰度值为I的像素的个数。如果将已知对每个灰度值I出现的概率是pi=ni/N的G0和G1这2组像素的个数在整体图像中所占的比例设为W0、W1，将2组的平均灰度值设为u0、u1，则概率：平均灰度值：9， 3 .最大类别间方差法(大津法或Otsu法)，设图像的总平均灰度为：类别间方差为：最佳阈值为T=argmax(g(t ) )，类别间方差为最大时所对应的t值大小法则被广泛应用，但是，若物体的目标与背景的灰度差不明显，则无法承受的大的黑色区域该算法可以将整个图像划分为前景和背景两部分，在两种类之间的方差最大的情况下，阈值t在前景和背景之间是最大的，二值化的效果最好。 方差是灰度分布的均匀性的尺度，方差值越大，构成图像的两个部分之间的差越大，若部分目标偏移到背景或部分背景偏移，则两个部分之间的差越小，因此类别间的方差最大的分割阈值意味着偏移概率最小。 此外，10、4 .最大熵阈值法通过利用信息论的shannon熵概念来划分图像，测量使图像中的目标和背景分布的信息量最大，即图像灰度直方图的熵，来找到最佳阈值。 根据shannon熵的概念，针对灰度范围为0、1、2、M-1的图像，将直方图的熵定义为(仅定义)，其中pi是灰度值为I的像素在整体图像上的概率。 另外，设定阈值t，将图像分为目标o和背景b两种，他们的概率分布分别为o区：I=0，1，t； b区：i=t 1、t 2、M-1； 其中，、目标o和背景b的熵函数分别为：11、4 .最大熵阈值法、图像的总熵为最佳阈值t是图像的总熵取最大值： T=argmax(H(t ) )的方法不需要预先知识，可以是理想的双峰直方图缺点是运算速度慢不适合实时处理。 由于只考虑像素点的灰度信息而未考虑像素点的空间信息，因此如果图像的信噪比降低，则不是优选的分割效果。 此外，12、反复法基于近似的思想，反复阈值的取得步骤可以如下汇总：5.反复法(最佳阈值法)，1 )选择一个初始阈值T(j )，通常，能够将整体图像的平均灰度值选择为初始阈值。 j是反复次数，初始时j=0。 通过将图像分割成两个区域、2)t(j )来计算两个区域的平均灰度值。 这里，第j次反复时的区域C1和C2的像素数，f(x，y )表示图像中的(x，y )点的灰度值。 重复计算新阈值，直到、4)T(j1)与t(j )之差小于规定值，即j=j 1、2)4 )。 13、图像处理技术的发展至今尚未达到十分完善的水平。 然而，在一个图像分割(如二值化)中非常重要的分支可以说已经接近成熟。 上述二值化算法是基础性的，但是非常实用的一些算法。 还有很多高次算法是从这些算法中扩展或改进的。 本文提出的算法