专利名称：一种图像处理方法及系统的制作方法
技术领域：
本发明涉及图像分割技术，尤其涉及一种图像处理方法及系统。
背景技术：
图像分割是从图像处理到图像分析的一个关键步骤，在图像工程中占有非常重要的位置。基于图像灰度值的阈值分割分类技术基于以下假设每个区域由许多灰度值相近的像素构成，物体和背景之间或不同物体之间的灰度值有明显的差别，可以通过阈值来区分。熵阈值法因其实现简单、性能稳定、具有良好的信息论背景而成为一类典型的阈值选取方法，并在实际中得到了广泛的应用。现有应用的熵阈值方法有最大熵法、最大交叉熵准贝U、最小交叉熵准则、Tsallis熵准则等方法，这些方法通常基于图像的一维直方图或用图像灰度-邻域平均灰度构建的二维直方图来计算熵阈值。
设原始灰度图像f (X，y)的灰度级数为L，图像大小为MXN，经过对其进行区域灰度特征的3X3或者5X5点阵的平滑滤波处理(一般为取平均值)得到平滑图像g(x，y)，由于图像的灰度级数不会因为平滑滤波改变，所以平滑图像的灰度级数仍是L。一般的，一维直方图的横轴表示图像的灰度级，纵轴表示图像中某一灰度级的像素总数。设为在原图像f(x，y)中点灰度为i、在平滑图像g(x，y)中区域灰度均值为j的象素的总数，p(i，j)为点灰度-区域灰度均值对发生的概率，其取值为用= 0，1，...L-1)除以图像的总像素数。基于原始灰度图像中的像素灰度i、平滑图像中的邻域平均灰度j、P(i，j)便可得到图像灰度-邻域平均灰度二维直方图。但是，由于上述一维直方图只是描述了各个灰度级出现的频率，以各个灰度级出现的频率来代替概率是不够精确的，具有较大的估计误差，从而基于该一维直方图选取的熵阈值不够准确，影响图像分割效果，另外，上述二维直方图用于熵值的计算时，往往会被划分为四个区域，但是，迭代计算时只用到了位于对角线上的两个区域，这样容易造成有用信息的丢失，也使得选取的熵阈值不够准确，影响图像分割效果。例如，如图I所示的图像灰度-邻域平均灰度二维直方图，数值高峰主要分布在平面的对角线附近，这是因为目标区域和背景区域内部的像素灰度级单一或者比较均匀，点灰度及其区域灰度均值相差无几，而且图像的所有像素中，目标点和背景点所占的比例最大。离平面对角线越远，峰值越小，直至急剧下降，这部分反映的是图像中的杂散点、边缘点和噪声点。传统的二维熵在熵值计算时往往利用两个阈值(t，s)将直方图划分为四个区域，如图2所示。基于目标和背景像素分布在对角线附近的分析，诸多二维熵在计算熵值时只用区域O和区域I (目标或背景)，而舍弃了代表边界、噪声点、杂散点的区域2和区域3。区域O中b、a两部分以及区域I中e、f两部分内存在边缘点、噪声点、杂散点，但熵值计算时将其当成了目标(或背景)内点处理，同时，区域2、区域3中的d、c两部分靠近对角线应为目标或背景内点，但计算时被当做边缘点、噪声点、杂散点来处理。所以，基于上述直方图的区域划分造成了有用信息的丢失，在这一假设上的熵值计算必然不够精确，得到的最佳阈值会出现偏差，分割结果不够理想。
发明内容
有鉴于此，本发明的主要目的在于提供一种图像处理方法及系统，能够提高熵阈值选取的准确性，进一步提高图像分割效果。为达到上述目的，本发明的技术方案是这样实现的一种图像处理方法，包括根据由原始图像f(x，y)以平滑滤波形成的图像g(x，y)、以及梯度图像|f(x，y)-g(x，y) I，得到原始图像f (X，y)的点灰度i、梯度图像|f (x，y)-g(x，y) I的点灰度j和
点灰度对(i，j)的联合概率q(i，j)的对应关系，j·) =,其中，i = 0，I...，L-I, j
MxN
=O, I. . . , L-I, L是原始图像的灰度级数，r (i, j)表示灰度对出现的频数，MXN为原始图像的点数；基于所述原始图像的点灰度i、梯度图像的点灰度j和点灰度对的联合概率q(i，j)的对应关系进行熵阈值选取；根据所述选取的熵阈值进行图像处理。所述基于所述原始图像的点灰度i、梯度图像的点灰度j和点灰度对的联合概率q(i，j)的对应关系进行熵阈值选取为
权利要求
1.一种图像处理方法，其特征在于，该方法包括 根据由原始图像f(x，y)以平滑滤波形成的图像g(x，y)、以及梯度图像|f(x，y)-g(x，y) I，得到原始图像f (x，y)的点灰度i、梯度图像If (x,y)_g(x,y) I的点灰度j和点灰度对(i，j)的联合概率
2.根据权利要求I所述的图像处理方法，其特征在于，所述基于所述原始图像的点灰度i、梯度图像的点灰度j和点灰度对的联合概率q(i，j)的对应关系进行熵阈值选取为其中，
3.根据权利要求I所述的图像处理方法，其特征在于，所述基于原始图像的点灰度i、梯度图像的点灰度j和点灰度对的联合概率q(i，j)的对应关系进行熵阈值选取为
4.一种图像处理系统，其特征在于，包括对应关系获取单元、熵阈值选取单元和图像处理单元；其中， 所述对应关系获取单元，用于根据由原始图像f (X，y)以平滑滤波形成的图像g(X，y)、以及梯度图像If U，y)-g(x，y) I，从而得到原始图像f (X，y)的点灰度i、梯度图像的点灰度j和点灰度对(i，j)的联合概率q(i，j)的对应关系
5.根据权利要求4所述的图像处理系统，其特征在于，所述熵阈值选取单元基于原始图像的点灰度i、梯度图像的点灰度j和点灰度对的联合概率q(i，j)的对应关系进行熵阈值选取为 设
6.根据权利要求4所述的图像处理系统，其特征在于，所述熵阈值选取单元基于原始图像的点灰度i、梯度图像的点灰度j和点灰度对的联合概率q(i，j)的对应关系进行熵阈值选取为 设
全文摘要
本发明公开了一种图像处理方法，包括根据由原始图像f(x，y)以平滑滤波形成的图像g(x，y)、以及梯度图像|f(x，y)-g(x，y)|，得到原始图像f(x，y)的点灰度i、梯度图像|f(x，y)-g(x，y)|的点灰度j和点灰度对(i，j)的联合概率q(i，j)的对应关系；基于所述原始图像的点灰度i、梯度图像的点灰度j和点灰度对(i，j)的联合概率q(i，j)的对应关系进行熵阈值选取；根据所述选取的熵阈值进行图像处理。本发明还相应地公开了一种图像处理系统。由于在熵值计算过程中基本包含所有的目标点和背景点，所以本发明能够使计算结果更加准确，提高熵阈值选取的准确性，进一步提高图像分割效果。
文档编号G06T7/00GK102779339SQ201110460289
公开日2012年11月14日 申请日期2011年12月31日 优先权日2011年12月31日
发明者郭鲁强 申请人:北京京东方光电科技有限公司