[发明专利]基于二次曲线拟合的图像复杂度的灰度图像分割方法

摘要

本发明涉及一种基于二次曲线拟合的图像复杂度的灰度图像分割方法及步骤，其中本灰度图像分割方法包括：通过拟合二次曲线确定最佳分割阈值，以分割图像中目标区域与背景区域；本发明通过曲线拟合大大减少因图像复杂度算法遍历整个灰度区间[0,L‑1]计算图像复杂度的次数，去除较大的计算冗余，显著提高运算速度，提升算法实时性。

主权项

1.一种灰度图像快速分割方法，其特征在于，包括：通过拟合二次曲线确定最佳分割阈值，以分割图像中目标区域与背景区域；通过二次曲线拟合确定最佳分割阈值的方法包括：步骤Sa，通过图像中的像素按灰度值分别定义背景图像复杂度与目标图像复杂度；步骤Sb，建立拟合二次曲线模型，以计算最佳分割阈值；所述步骤Sa中通过图像中的像素按灰度值分别定义背景图像复杂度与目标图像复杂度的方法包括：设定图像像素数为N，灰度值的范围为[0，L‑1]，L最大灰度级；灰度值把图像中的像素按灰度值分成背景图像复杂度C₀与目标图像复杂度C₁；其中背景图像复杂度C₀由灰度值在[0，T]之间的像素组成，背景图像复杂度C₀总像素数为N₀，目标图像复杂度C₁由灰度值在[T+1，L‑1]之间的像素组成，目标图像复杂度C₁总像素数为N₁；背景图像复杂度C₀和目标图像复杂度C₁分别对应：其中h₀(i)为背景图像复杂度C₀中同一灰度级对应的像素i的个数，h₁(i)为目标图像复杂度C₁中同一灰度级对应的像素i的个数；以及步骤Sb中建立拟合二次曲线模型，以计算最佳分割阈值的方法包括：计算图像的背景与目标图像复杂度的差值的绝对值C(T)，即抽取灰度值在[0，L‑1]范围内的取值建立最小二乘法的拟合二次曲线模型，将拟合二次曲线模型取得的极小值定义为最佳灰度分割阈值。