[发明专利]基于类间相对均匀性的图像自适应阈值化方法及装置

权利要求书

1.一种基于类间相对均匀性的图像自适应阈值化方法，其特征在于，该方法包括以下步骤：读入灰度图像；计算灰度分布的概率、均值及方差；计算待分割的两类灰度分布的相对均匀性信息，这两类灰度分别为目标灰度和背景灰度；基于两类的相对概率分布及相对均匀性信息，建立类间相对均匀性的阈值化准则函数。

2.根据权利要求1所述的方法，其特征在于：该方法还包括：结合待分割图像的灰度分布实际情况，对上述准则函数加权处理，获得最佳阈值。

3.根据权利要求2所述的方法，其特征在于：所述的结合待分割图像的灰度分布实际情况，对上述准则函数加权处理，获得最佳阈值，包括：求图像各灰度级的平滑直方图，构造平滑滤波器；以及应用上述平滑滤波器对权系数优化选择。

4.根据权利要求3所述的方法，其特征在于：该阈值化准则函数J_OB^β(t)为：J_OB^β(t)＝βJ_O1(t)+(1-β)J_O2(t)；其中，

$J_{O1}\left(t\right)={\left(\frac{P_O\left(t\right)}{P_B\left(t\right)}\right)}^{\mathrm{\α}}\frac{\underset{i=0}{\overset{t-1}{\Σ}}\[\mathrm{\λ}\·p\left(i\right)\·{(i-{\mathrm{\μ}}_1(t\left)\right)}^2+(1-\mathrm{\λ})\·p\left(i\right)\·{(i-\stackrel{\‾}{{\mathrm{\μ}}_1}(t\left)\right)}^2\]}{\underset{j=t}{\overset{L-1}{\Σ}}\[\mathrm{\λ}\·p\left(j\right)\·{(j-{\mathrm{\μ}}_1(t\left)\right)}^2+(1-\mathrm{\λ})\·p\left(j\right)\·{(j-\stackrel{\‾}{{\mathrm{\μ}}_1}(t\left)\right)}^2\]}$

$J_{O2}\left(t\right)={\left(\frac{P_B\left(t\right)}{P_O\left(t\right)}\right)}^{\mathrm{\α}}\frac{\underset{i=t}{\overset{L-1}{\Σ}}\[\mathrm{\λ}\·p\left(i\right)\·{(i-{\mathrm{\μ}}_2(t\left)\right)}^2+(1-\mathrm{\λ})\·p\left(i\right)\·{(i-\stackrel{\‾}{{\mathrm{\μ}}_2}(t\left)\right)}^2\]}{\underset{j=0}{\overset{t-1}{\Σ}}\[\mathrm{\λ}\·p\left(j\right)\·{(j-{\mathrm{\μ}}_2(t\left)\right)}^2+(1-\mathrm{\λ})\·p\left(j\right)\·{(j-\stackrel{\‾}{{\mathrm{\μ}}_2}(t\left)\right)}^2\]}$

α(α≥0)为指数，用来调节(P_O(t)/P_B(t))获得一些权衡；λ(0≤λ≤1)是一个调节参数，用于权衡像素点与其局部均值灰度级的比例关系；β为加权系数，β∈[0,1]。