阈值分割技术

摘要

图像分割是一种重要的图像技术，在理论讨论和实际应用中都得到了人们的

广泛重视。图像分割是把图像中有意义的特征区域或者把需要的应用的特征区域

提取出来。阈值分割是一种简洁有效的图像分割方法。它对物体与背景又较强对

比的图像分割特殊有效，全部灰度值大于或等于阈值的像素被判决属于物体。为

常见的阈值分割方法有全局阈值、自适应阈值。最佳阈值的选择有直方图技术、

最大类间方差法(OTSU)、迭代法。

关键词：图像分割，阈值分割，灰度值，最佳阈值

1MATLAB简介及其应用

MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数

据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括

MATLAB和Simulink两大部分。MATLAB是矩阵试验室(MalrixLaboratory)

的简称，和Malhemalica、Maple并称为三大数学软件。它在数学类科技应用软

件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、

实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、

掌握设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。

MATLAB产品族可以用来进行以下各种工作：

1.数值分析

2.数值和符号计算

3.工程与科学绘图

4.掌握系统的设计与仿真

5.数字图像处理技术

6.数字信号处理技术

7.通讯系统设计与仿真

8.财务与金融工程

MATLAB的应用范围特别广，包括信号和图像处理、通讯、掌握系统设计、测

试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱（单

独供应的专用MATLAB函数集）扩展了MATLAB环境，以解决这些应用领

域内特定类型的问题。

Matlab的特点如下:

1.此高级语言可用于技术计算

2.此开发环境可对代码、文件和数据进行管理

3.交互式工具可以按迭代的方式探查、设计及求解问题

4.数学函数可用于线性代数、统计、傅立叶分析、筛选、优化以及数值积分等

5.二维和三维图形函数可用于可视化数据

6.各种工具可用于构建自定义的图形用户界面

7.各种函数可将基于MATLAB的算法与外部应用程序和语言（加C,C-+,

Fortran>Java>COM以及MicrosoftExcel）集成

8.不支持大写输入，内核仅仅支持小写

MATLAB有精彩的图形处理功能：

向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。高层次的作

图包括二维和三维的不视化、图象处理、动画和表达式作图。可用于科学计算和

工程绘图。新版本的MATLAB对整个图形处理功能作了很大的改进和完善，使

它不仅在一般数据可视化软件都具有的功能（例如二维曲线和三维曲面的绘制和

处理等）方面更加完善，而且对于一些其他软件所没有的功能（例如图形的光照

处理、色度处理以及四维数据的表现等），MATLAB同样表现了精彩的处理力

量。同时对一些特殊的可视化要求，例如图形对话等，MATLAB也有相应的功

能函数，保证了用户不同层次的要求。此外新版本的MATLAB还着重在图形用

户界面（GUI）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得

到满意。

2图像阈值分割分析

对图像进行讨论和应用时，人们往往对图像中的某些部分感爱好，这些部分

常被称为目标或对象（object）o图像处理的重要任务就是对图像中的对象进行分

析和理解。在图像分析中，输出结果是对图像的描述、分类或其他结论，而不再

像一般意义的图像处理那样——输出也是图像。

图像分割是将数字图像分成互不重叠的区域并提取出感爱好目标的技图像

分割算法一般是基于灰度的两共性质之一：不连续性和相像性。第一共性质的应

用是基于灰度的不连续变化来分割图像。其次共性质的主要应用是依据事先制定

的准则将图像分割为相像的区域。这两种方法都有各自的优点和缺点。

图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领

域之一，它是对图像进行视觉分析和模式识别的基本前提。图像阈值分割即是其

中的一种方法。图像分割也可理解为把图像中有意义的特征区域或者需要应用的

特征区域提取出来，这些特性区域可以是像素的灰度值、物体轮廓曲线、纹理特

性等，也可是空间频谱或直方图特征等。

阈值分割技术因其实现简洁、计算量小、性能较稳定而成为图像分割中最基

本和应用最广泛的分割技术，已被应用于很多的领域，在很多图像处理系统中都

是必不行少的一个环节。

阈值分割图像的基本原理描述如下：采用图像中要提取的目标物与其背景在

灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组

合，选取一个合适的阈值，以确定图像中每个像素点应当属于目标区域还是背景

区域，从而产生对应的二值图像。

即：8心）=［。个

阈值分割是一种简洁有效的图像分割方法。他对物体与背景有较强对比的图像分

割特殊有效，全部灰度大于或等于预知的像素被判决为属于物体，灰度值用“255”

表示前景，否则这些像素点被排解在物体区域外，灰度值为“0”，表示背景。

3图像的阈值分割技术

阈值法有多种类型，主要有：全局阈值，自适应阈值等。所谓全局阈值，假

如背景的灰度值在整个图像中可合理的看做恒定，而且全部物体与背景都具有儿

3.2自适应阈值

但是，在很多状况下，背景的灰度值并不是常数，物体和背景的对比度在图

像中也有变化，这时就要引入自适应阈值，一个在图像中某一区域效果良好的阈

值在其他区域却可能效果很差。在这种状况下，需要把灰度阈值取成一个随经像

中位置缓慢变化的函数值，即为自适应阈值C

这类算法的时间简单度和空间简单度比较大，但是抗噪声的力量比较强，对

采纳全局阈值不简洁分割的图像有较好的效果。这种方法的关键问题是如何将图

像进行细分和如何为得到子图像估量门限值。由于用于每个像素的门限取决于像

素在子图像中的位置，这类门限处理是自适应的。

4最佳阈值的选择

除非图像中的物体有陡峭的边沿，否则灰度阈值的取值对所抽取物体的边界

的定位和整体的尺寸有很大的影响。这意味着后续的尺寸（特殊是面积）的测量

对于灰度阈值的选择很敏感。由于这个缘由，我们需要一个最佳的，或至少是具

有全都性的方法确定阈值。

4.1直方图技术

直方图双峰法是一种全局阈值分割方法。假定物体和背景分别处于不同灰度

级，图像被零均值高斯噪声污染，图像的灰度分布曲线近似用两个正态分布概率

密度函数，分别代表目标和背景的直方图，采用这个函数的合成曲线拟合整体图

像的直方图，图像的直方图将会消失两个分别的峰值。该方法适用于具有良好双

峰性质的图像，但需要用到数值靠近等计算，算法特别简单，而且多数图像的直

方图是离散的、不规章的。

先作出图像的灰度直方图，若其直方图呈双峰且有明显的谷底，则可以将谷

底点所对应的灰度值作为阈值T,然后依据该阈值进行分割就可以将目标从图像

中分割出来。这种方法适用于目标和背景的灰度差较大，直方图有明显谷底的状

况。

MATLAB图像处理工具箱供应了生成并绘制图像的直方图函数imhist(),求

门限函数graythresh()，以及转换成二值图像函数im2bw()。

图3」给出了采用双峰法分割图像的实例。图3-1(a)是原始的灰度图像,

(b)是原图像的灰度直方图，(c)是直方图双峰法提取结果。图3・1生成直方图后

可以看到，图像有明显的双峰。两个峰尖对应于物体内部和外部较多数目的点。

两峰之间的谷对应于物体边缘四周相对较少数目的点。所以可以取谷底对应的灰

度值作为阈值。

MATLAB程序如下：

I=imread('ZW.jpg');

I=rgb2gray(I);

figure;

subplot(1,3,1);

imshow(I)

出汉原始灰度灰)

newl=im2bw(l,150/255);

%依据上面直方图选择阈值15(),划分图像的前景和背景

figure;

subplot。,3,1);

imshow(newl);

titleC分割后图像')

MATLAB图象处理工具箱供应了imhist函数来计算和显示图象的直方图。

其中imhisl(Ln)计算和显示灰度图象I的直方图，n为指定的灰度级数目，默认值

为256o

图4.1生成直方图

图4.2双峰法分割

4.2最大类间方差法(OTSU)

最大类间方差法又称为OTSU算法，该算法是在灰度直方图的基础上用最

小二乘法原理推导出来的，具有统计意义上的最佳分割阈值。它的基本原理是以

最佳阈值将图像的灰度直方图分割成两部分，使两部分的方差取最大值，即分别

性最大。

设X是一幅具有L级灰度级的图像，其中第i级像素为N,个，其中i的值

在O~L-1之间，图像的总像素点个数为：

第i级消失的概率为：

在OTSU算法中，以阈值k将全部的像素分为目标C。和背景G两类。其中，

G类的像素灰度级为0~匕1,q类的像素灰度级为k~L-i。

图像的总平均灰度级为：L-\

C。类像素所占面积的比例为：

i=0

G类像素所占面积的匕例为：

Co类像素的平均灰度为：

G类像素的平均灰度为：

其中，

No(k)=£iPj

则类间方差公式为：

i=0

令k从O~L-1变化，计算在不同k值下的类间方差

8(k)，使得〃伏)最大时的那个k值就是所要求的最优阈值。

图3-2为采纳OTSU方法取得最优阈值后进行阈值分割的结果。

MATLAB程序如下：

I=imread('ZW.jpg');

I=rgb2gray(I);

subplot(1,3,1);

figure;

imshow(l)

title。原始灰度灰)

%用MATLAB函数计算阈值

level=graythresh(I);

%OTSU计算全局图像I的阈值

DW=im2bw(I,level);

%阈值分割

figure

imshow(BW)

title。自适应阈值)

MATLAB供应graylhresh函数来自动猎取分割阈值，im2bw功能是转换

图像为二值化图像。这两个函数结合使用，graythresh函数是自适应阈值，求

出图像的自适应阈值，然后采用im2bw函数再转化为二值图像并输出，得到

如之前所示的自适应阈值图。

(a)原图(b)OTSU取阈值分割

图3-2OTSU法取阈值分割

OTSU法选取出来的阈值特别抱负。虽然它在很多状况下都不是最佳的分割，但

分割质量通常有肯定的保障，可以说是最稳定的分割。

4.3迭代法

迭代法的原理是：图像中前景与背景之间的灰度分布为相互不重叠，在这个

前提下，实现对两类木象的阈值分割。其算法步骤如下所示：

1设定参数TO,选择一个T的初始阈值估量值T1。

2用T1分割图像。将图像分成两组像素：G1由全部灰度值大于T1的像素

组成，而G2由全部灰度值小于或等于T1的像素组成。

3对区域G1和G2中的全部像素计算平均灰度值ul和u2o

4计算新的阈值：T2=(ul+u2)/2o

5假如|T2-T1|<TO,则退出，T2即为所求的全局阈值：否则，将T2赋值给

T1,重复步骤2到5。

图3-3是通过迭代法求阈值后进行的分割。

MATLAB程序如下：

I二imread('zhiwen.jpg');

I=double(I);

T=(min(I(:))+max(I(:)))/2;

done二false;

i=0;

while〜done

rl=find(I<=T);

%前景灰度值

r2=find(I>T);

%背景灰度值

Tncw=(mean(I(rl))+mcan(I(r2)))/2;

%计算前景和背景的平均值

donc=abs(Tncw-T)<1;

T=Tnew;

i=i+l;

end

Krl)=0;

figure;subplot(1,2,1);

imshow⑴迭代法阈值')

迭代法的步骤较多，用到的数学函数也比较多，比如double,find,mean,

abs函数等。double。是将一个数转换为double型变量，find用于查找符合特定条

件的值并返回，mean函数用于求平均值，abs函数是求肯定值函数。

图4-3迭代法求阈值的分割

迭代所得的阈值分割的图像效果很好。基于迭代的阈值能区分出图像

的前景和背景的主要区域所在，但在图像的微小处还没有很好的区分度。

对某些特定图像，微小数据的变化却会引发起分割效果的巨大转变。总的

来说，迭代法比双峰法分割效果有很大的提高。

5三者的比较讨论

以下图分别是它们对于指纹图像的分割效果图：

图5.1三种分割方法比较

由结果可知：迭代法和OTSU法的作用效果相像，设计原理相对于双峰来说

要简单点，但是分割效果比双峰法好些。

双峰法原理简洁，计算简洁，性能稳定，也易于理解。但是用此方法来分割

图像需要肯定的图像先验学问。该方法不适用于直方图中双峰差别很大或者双峰

中间谷底比较宽广而平坦的图像，以及单峰直方图的状况。所以双峰法应用范围

比起迭代法和OTSU法小很多，对于图像灰度直方图的双峰和低谷都不明显的,

而且两个区域面积也比较难以确定时多采纳迭代法和OTSU法。

迭代所得阈值分割图像效果很好。基于迭代的阈值能区分出图像的前景和背

景的主要区域所在，但在图像的微小处还没有很好的区分度，对某些特定图像,

微笑的数据变化会引起分割效果的巨大变化。总的来说，迭代法比双峰法分割效

果有很大的提高。

但是对于有噪音的图片进行分割，OUST法和迭代法相对双峰法的处理效果

要差些。

l=imnoise(I,*salt&pepper),0.08);%加椒盐噪声

加噪后图：

图5.2加噪后原图

分割结果图：

图5.3加噪后的分割图

双峰法原理简洁，计算简洁，性能稳定，也易于理解。但是用此方法来分割

图像需要肯定的图像先验学问。该方法不适用于直方图中双峰差别很大或者双峰

中间谷底比较宽广而平坦的图像，以及单峰直方图的状况。所以双峰法应用范围

比起迭代法和OTSU法小很多，对于图像灰度直方图的双峰和低谷都不明显的,

而且两个区域面积也比较难以确定时多采纳迭代法和OTSU法。

除了上面介绍的图像分割的方法，还可以采用区域分割的图像分割算

法，该类方法采用的是图像的空间性质，认为分割出来的属于同一区域的

像素应具有相像的性质，传统的区域分割算法主要有区域增长和区域分裂

合并法。这里不作介绍。

6心得体会

此次课程设计过程中，我做的内容是图像分割。做课程设计之前，我对图像

分割技术基本上不了解，所以，此次课程设计更多的是去把握和查阅图像处理本

身的相关学问。在查阅过程