[发明专利]一种快速的含噪图像二维最大类间方差阈值法

说明书

本发明涉及一种快速的含噪图像二维最大类间方差阈值法，首先求出噪音图像的灰度均值和灰度标准差；对图像每个像素采用3×3邻域的平均灰度值进行平滑，得到平滑图像；然后用最大类间方差阈值法计算平滑图像的类间方差，通过灰度均值和标准差缩小类间方差解的搜索空间，遍历搜索空间，记录使类间方差最大时的解为最优一维阈值T0；用二维最大类间方差法计算目标类与背景类的类间方差离散度矩阵的迹，通过T0和噪音图像的灰度标准差缩小迹的解的搜索空间，最后遍历解的搜索空间，记使离散度矩阵的迹最大时的灰度值二元组为最优二维切割阈值。本发明能够避免遍历全部灰度级，大大缩小计算量的同时也能得到准确的解。

技术领域

本发明属于数字图像处理领域，具体涉及图像阈值分割中的一种快速的含噪图像二维最大类间方差阈值法。

背景技术

图像分割是由图像处理进到图像分析的关键步骤，它指把图像分成各具特性的区域并提取出感兴趣的目标的技术和过程。通过把感兴趣的目标提取出来，更高层的分析和理解就有了基础。

现有的图像分割方法主要分以下几类：基于阈值的分割方法，基于区域的分割方法，基于边缘的分割方法以及基于特定理论的分割方法等。其中，基于阈值的图像分割方法是一种计算相对简单，运算效率相对较高的一种广泛应用的分割技术，利用图像中要提取的目标区域与其背景在灰度特性上的差异，把图像看作具有不同灰度级的两类区域(目标区域和背景区域)的组合，选取一个合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生相应的二值图像。阈值分割法实际上就是输入图像f到输出图像g的变换：

公式(1)中，T为阈值，f(m,n)表示输入图像f中像素点(m,n)处的灰度值，g(m,n)表示输出图像g中像素点(m,n)处的灰度值，对于目标的图像元素g(m,n)＝1，对于背景的图像元素g(m,n)＝0。

在众多基于阈值的分割方法中，最大类间方差法(简称Otsu法)以其分割效果好、性能稳定且适用范围广得到了广泛的应用。最大类间方差法是一种全局的自动非参数无监督的阈值选取算法，该方法以图像的一维直方图为依据，以目标和背景的类间方差最大为阈值选取准则，在很多情况下都能取得很好的阈值。但是，由于图像在采集或传输过程中容易受到噪声干扰，导致图像直方图没有明显的双峰或图像信噪比较低时，传统的最大类间方差法或其迭代算法很难获得满意的分割效果，其原因在于传统最大类间方差法是基于一维直方图的分割方法，它仅考虑图像的灰度信息而没有考虑像素的空间邻域信息。

针对传统最大类间方差法抗噪性差的不足,二维最大类间方差法(简称二维Otsu法)被提出，该方法建立了既能反映像素点的灰度分布又能体现像素点与其邻域空间相关信息的灰度均值二维直方图，最佳的阈值是在一个二维的类间方差测度准则取最大值时得到的一个二维矢量，并以此二维矢量作为分割门限进行图像分割，对噪音图像能获得满意的分割效果。但是，二维最大类间方差法在提高抗噪性的同时也大大增加了算法的计算搜索复杂性，不利于实时场合的广泛应用。

事实上，我们在对大量图片分别进行一维最大类间方差法和二维最大类间方差法求阈值时，二者得到的结果在灰度级上差距并不大，特别是在图像灰度方差较小时，二者仅相差几个灰度级。因为二维直方图仅仅是在一维直方图的基础上，将‘灰度’变成‘灰度-邻域灰度均值’的二元组，加入了邻域灰度均值后，二维最大类间方差法能有效消除噪音的影响。本发明提出一种快速的含噪图像二维最大类间方差法，利用图像的均值和方差特征降低最佳二维阈值的搜索范围，在大大降低计算复杂度的同时分割效果不受影响，提高图像分割的效率。

发明内容

本发明的目的在于提出一种快速的含噪图像二维最大类间方差阈值法，解决了原始二维最大类间方差阈值法计算复杂度过高的问题。

本发明的技术方案为：

一种快速的含噪图像二维最大类间方差阈值法，其特征在于，包含如下步骤：