[发明专利]基于Sharma‑Mittal熵的图像阈值分割方法

摘要

基于Sharma‑Mittal熵的图像阈值分割方法，包括步骤：设置Sharma‑Mittal熵指数r、q的值；读取待分割的灰度图像，并将其存入一个二维图像数组I中；遍历图像数组I，计算得到图像最大灰度级数L及灰度级集合G；假定t为分割阈值，t将图像像素分为归属于两个不同类的灰度级集合C₀与C₁；用H做为图像灰度级的概率密度函数估计，用公式计算出关于C₀与C₁的先验概率P₀及P₁；定义关于图像灰度级类C₀与C₁的Sharma‑Mittal熵S₀和S₁；在G={0,1,…,L}范围内搜索使下式获得最大值的灰度级t^*，最后输出分割后的图像。本发明与其它熵方法相比更能提升图像的分割质量。

主权项

基于Sharma‑Mittal熵的图像阈值分割方法，其特征在于，包括如下步骤：（1）设置Sharma‑Mittal熵指数r、q的值；（2）读取待分割的灰度图像，并将其存入一个二维图像数组I中；（3）遍历图像数组I，计算得到图像最大灰度级数L及灰度级集合G={0, 1, …, L}，计算归一化的灰度直方图H（H={h₀, h₁, …, h_L}）；（4）假定t为分割阈值，t将图像像素分为归属于两个不同类的灰度级集合C₀与C₁，C₀={0, 1, 2, …, t}，C₀={t+1, t+2, …, L}；（5）用H做为图像灰度级的概率密度函数估计，则可以用以下公式计算出关于C₀与C₁的先验概率P₀及P₁；公式一：；公式二：；（6）定义关于图像灰度级类C₀与C₁的Sharma‑Mittal熵S₀和S₁；公式三：；公式四：；（7）图像总的Sharma‑Mittal熵，即准则函数定义为；公式五：；（8）在G={0, 1, …, L}范围内搜索使下式获得最大值的灰度级t^*，t^*即最优分割阈值；公式六：；（9）假设用f(x,y)表示原始图像I坐标(x,y)处的像素灰度值，s(x,y)表示分割后图像坐标(x,y)处的像素灰度值，则求得最佳分割阈值t^*后，s(x,y)可用下式求得；公式七：；（10）输出分割后的图像。