[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

说明书

技术领域

本发明涉及图像处理，尤其涉及到灰度图像的处理。

背景技术

在图像预处理中，阈值化分割算法以其简单、高效、便于理解等特性得到了广泛研究与应用。基于类间分离性原理的Otsu阈值法在阈值化算法中占有重要地位，以其执行简单、效果良好成为大量应用和推广的阈值化方法，在此方法基础上的改进和推广应用方法不计其数。

基于图像直方图分布信息的修正方法，改进了Otsu方法在阈值选择上的偏差问题，提高了对图像的自适应性。基于“灰度-均值”的二维Otsu方法，在抗噪声方面效果显著。为提高二维Otsu法的计算效率，直方图点分、斜分及按一定角度划分的改进方法获得了良好的效果。将图像中值信息考虑进来的三维Otsu阈值方法，及其快速三维递推算法，在抗高斯和椒盐噪声能力方面表现突出。

尽管基于Otsu阈值法的众多应用和改进方法层出不穷，但是在实际应用过程中，发现了该方法的局限性。主要方面在于在考虑目标和背景类内内聚性、类间离散性的综合因素上存在的不足，尤其是对于前景和背景均匀性差异大的图像，获得的阈值会发生很大偏差，难以得到期望的结果。因此为了提高该类方法的图像适用性，对其修正与改进的研究具有重要意义。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提出一种基于类间相对均匀性的图像自适应阈值化方法，能够提高适用性。

本发明解决其技术问题所采用的技术方案是：提供一种基于类间相对均匀性的图像自适应阈值化方法，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。

本发明解决其技术问题所采用的技术方案还是：提供一种基于类间相对均匀性的图像自适应阈值化装置，其包括：读取单元，用于读入灰度图像；第一计算单元，用于计算灰度分布的概率、均值及方差；第二计算单元，用于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；第一处理单元，用于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。

本发明的有益效果在于，通过充分考虑目标和背景均匀性的相对性信息，对阈值准则函数进行改造，使得分割获得的目标更加完整，边缘更加清晰，从而能够提高适用性。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为本发明方法的流程示意图。

图2为本发明方法中加权系数β在[0,1]间变化时的五种情形的阈值结果示意图。

图3a、3b、3c、3d和3e针对彩色图像，其中，图3a为原图，图3b为一维直方图，图3c为本发明方法加权系数优化前的结果，图3d为现有一维Otsu阈值法的结果，图3e为现有二维Otsu阈值法的结果。

图4a、4b、4c、4d、4e和4f针对地表图像，其中，图4a为原图，图4b为一维直方图，图4c为J_o1(t)结果，图4d为J_o2(t)结果，图4e为本发明方法加权系数优化前的结果，图4f为现有一维Otsu阈值法的结果。

图5a、5b和5c针对米粒图像，其中，图5a为本发明方法加权系数优化前的结果，图5b为本发明方法加权系数优化后的结果，图5c为现有一维Otsu阈值法的结果。

图6a、6b和6c针对小点图像，其中，图6a为本发明方法加权系数优化前的结果，图6b为本发明方法加权系数优化后的结果，图6c为现有一维Otsu阈值法的结果。

图7a、7b和7c针对彩色图像，其中，图7a为本发明方法加权系数优化前的结果，图7b为本发明方法加权系数优化后的结果，图7c为现有一维Otsu阈值法的结果。

具体实施方式

现结合附图，对本发明的较佳实施例作详细说明。

本发明提出一种基于类间相对均匀性的图像自适应阈值化方法。首先，基于集中于目标的Otsu阈值法思想，引入图像的直方图信息，获得结合图像分布信息的阈值化准则函数；鉴于现有的Otsu阈值法对目标(背景)均匀性分布的相对性情况考虑的不足，本发明对其进行改造，提出基于类间相对均匀性的Otsu阈值法，也即本发明方法优化前的情形。其次，为了能够对不同分布类型的图像有更好的自适应性，本发明引入权系数进行调节，得到新的准则函数，也即本发明方法优化后的情形。