本发明涉及机器视觉及图像分割,尤其涉及一种自适应阈值otsu图像分割方法及装置。
背景技术:
随着计算机和人工智能技术的快速发展,目标图像的精确、鲁棒分割成为计算机视觉智能系统的重要基础。但是,受光照阴影、背景杂波干扰等复杂条件的影响,目标图像的分割成为计算机视觉系统的瓶颈问题。
传统的广泛采用的分割方法是otsu方法,该方法优点是稳定性好、计算简单,但是传统的otsu方法要求目标图像的分布符合正态分布,并且约束背景和目标的子分布的方差近似相等。在实际环境中获取的图像很难保证约束条件,特别是对于光照影音或背景杂波密集的图像,目标和背景的比例差别较大,并且图像在传输的过程中会引入机械噪声,导致图像直方图无法满足约束要求,采用传统的otsu分割方法无法实现目标图像的有效分割,在背景干扰较大及阴影影响下,经常会产生错误的分割结果。
技术实现要素:
本发明为了解决现有技术存在的缺陷,提供一种自适应阈值otsu图像分割方法及装置,该方法采用目标与背景概率密度函数的信息熵对传统otsu方法的阈值进行正则化处理,阈值分割中对背景噪声方差的依赖性,扩展普适效果。基于sigmoid函数建立了分割阈值的自适应更新方法,并采用矩阵解耦变换减少图像背景噪声对阈值参量更新的影响,有效降低了阈值对噪声特性的依赖,提升了不同复杂背景下的图像分割精度。
本发明公开了一种自适应阈值otsu图像分割方法,包括:
s1.输入初始图像;
s2.针对输入的图像,进行噪声预处理,噪声的预处理主要是基于三基色对图像亮度信息进行平滑处理;
s3.将s2处理后的图像转化成灰度图像,计算该灰度图像得到相应的灰度直方图对相应的灰度级概率密度,表示为
s4.根据s2和信息熵公式,只靠目标和背景的后验概率情况下,α=2,则信息熵为
s5.依据s3对阈值分割函数正则化处理,处理后有
s6.对图像进行自适应阈值分割,阈值的自适应处理方式为
s7.依据s6分割后的结果,如果符合要求则结束分割,如果不符合要求,则返回到s2,继续进行阈值分割处理;
s8.依据s7分割后的结果,将符合要求的分割结果输出出来。
本发明还公开了一种多自适应阈值otsu图像分割装置,用于实现上述方法,包括:
视频图像获取模块:用于获取视频图像信息;
杂波去噪模块:主要用于对图像进行分割前的预处理,初步消除图像噪声干扰;
信息熵计算模块:主要用于对目标和背景的概率密度计算信息差别度量值,并采用这种度量正则化阈值分割模型;
自适应阈值分割模块:主要用于对图像进行自适应阈值分割,提取目标图像;
图像输出模块:主要用于输出分割结果图像。
本发明的有益效果为:本发明针对光照阴影、背景杂波干扰、快速运动等的复杂条件下,采用目标和背景概率的熵函数作为分割信息,通过正则化修正作用明显增强了复杂环境下的区分度;建立的分割阈值的自适应更新方法有效降低了图像分割对背景噪声的敏感性,提升了算法的分割精度和抗干扰能力,算法简单、高效、适用范围广。
附图说明
图1是本发明实施例提供的方法流程图;
图2是本发明实施例提供的装置结构图;
图3为本发明在对比度较强情况下的分割效果;
图4为本发明在对比度较差情况下的分割效果;
图5为本发明在快速运动情况下的分割效果;
图6为本发明在杂波背景下的分割效果。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明详细描述。
实施例:本实施例的一种自适应阈值otsu图像分割方法实现方法,如图1所示,其步骤分解为:
s1.输入初始图像;
s2.针对输入的图像,进行噪声预处理,噪声的预处理主要是基于三基色对图像亮度信息进行平滑处理;
s3.将s2处理后的图像转化成灰度图像,计算该灰度图像得到相应的灰度直方图对相应的灰度级概率密度,表示为
s4.根据s2和信息熵公式,只靠目标和背景的后验概率情况下,α=2,则信息熵为
s5.依据s3对阈值分割函数正则化处理,处理后有
s6.对图像进行自适应阈值分割,阈值的自适应处理方式为
s7.依据s6分割后的结果,如果符合要求则结束分割,如果不符合要求,则返回到s2,继续进行阈值分割处理;
s8.依据s7分割后的结果,将符合要求的分割结果输出出来。
相应地,本发明提供一种自适应阈值otsu图像分割装置,如图2所示,包括:
视频图像获取模块10:用于获取视频图像信息;
杂波去噪模块20:用于对图像进行分割前的预处理,初步消除图像噪声干扰;
信息熵计算模块30:用于对目标和背景的概率密度计算信息差别度量值,并采用这种度量正则化阈值分割模型;
自适应阈值分割模块40:用于对图像进行自适应阈值分割,提取目标图像;
图像输出模块50:主要用于输出分割结果图像。
本发明的效果通过以下仿真对比试验进一步说明:
为了验证本发明应用性能,分别采集在对比度较强情况下的图像如图3、在对比度较差情况下的图像如图4、在快速运动情况下的图像如图5、和在杂波背景下的图像如图6,进行试验。
图3至图6均分为三组,a)为原始输入图,b)为信息熵特性图像,c)为自适应分割图像,输入图像的分辨率均为96dpi×96dpi,大小为318像素×422像素。
通过对比可以看出,针对不同背景图像情况下,尤其是在对比度差、快速运动及背景噪声比较大等情况,本发明能有效的噪声和目标区域方差过大对分割的影响,实现较为精确的分割结果,提高图像分割质量。
综上,技术人员在不脱离本发明的情况下,可以对公开的装置进行适当的调整,由此,如上描述仅用于示例而并非限制之目的,技术人员应该清楚的认识到不明显改变上述的操作情况下可以对公开的装置或者工艺进行稍作改动达到相同效果之目的,本发明由权利要求书做出限制。