基于全局二值化的图像识别方法与流程

本发明涉及图像处理技术领域，具体涉及一种基于全局二值化的图像识别方法。

背景技术：

如今，随着经济的发展和人们生活水平的提高，数字图像在生活中应用的范围越来越广，人们对新形势下数字图像处理技术的应用和发展问题尤为关注。

数字图像比传统的图像分辨率高，处理方便，易于操作和整理。但由于现实的需要，传统的采集、处理、合成、发布到互联网的模式已经不能适应高速发展的互联网形势。更多情况下要求采集、处理、合成同步处理，甚至一次性完成所有的工作，这为图像处理的方式提出了新的要求。很多情况下，需要将前景或者人物信息单独处理，而屏蔽掉或者替换掉背景信息。

部分设备性能不足、客观条件限制等因素，在实际的图像处理应用中，仍会出现图像模糊不清、关键信息捕捉不到等问题。而在数字图像处理的过程中，由于操作技术问题或者客观因素等，给数字图像处理技术的应用带来一些负面影响，降低了处理技术的水平和质量。

图像二值化就是将一幅多个灰度级的图像转化为只有两个灰度级的图像，以便于数据的压缩、特征的突出以及图形的识别。针对实际问题有很多种二值化的方法，他们在数学的表达形式和算法的意义上都各不相同。一般的二值化方法分为全局二值化方法和局部二值化方法，不同的情况采用不同的二值化方法。

图像的全局二值化，就是对整幅图像计算一个阈值，小于阈值的像素标记位物体(黑色)，否则为背景(白色)，该种方法的速度快，对于质量好的图像，特别是背景比较单一的图像效果明显，但是对于背景复杂的图像，前景和背景的灰度级相互交错的图像，单一阈值实现比较困难。

技术实现要素：

本发明克服了现有技术的不足，提供一种基于全局二值化的图像识别方法。

为解决上述的技术问题，本发明采用以下技术方案：

一种基于全局二值化的图像识别方法，所述的方法包括以下步骤：

步骤一、通过图像采集设备对图像源进行图像信息的采集，对图像信息进行预处理；

步骤二、对图像信息进行全局二值化处理，得到分离的前景和背景图像信息；

步骤三、测算阈值，阈值范围内的图像信息作为目标信息提取，对阈值以外的信息进行屏蔽或者替换；

步骤四、对提取的所述目标信息进行降噪处理，得到信息结果以后对图像进行复原和拼接。

更进一步的技术方案是所述步骤三中所述测算阈值，是根据图像信息边缘的平滑程度确定阈值。

更进一步的技术方案是所述步骤一中所述对图像信息进行预处理，是将图像的灰度直方图分为三个类：前景、背景和模糊区。

更进一步的技术方案是所述的步骤三中测算阈值的方法包括以下步骤：

设图像有L个灰度级，设阈值为T，把具有T以下灰度值的像素和具有比T大的灰度值的像素分为两类，第一类的像素值为W₁(T)，灰度值的均值为M₁(T)，方差为σ₁(T)；第二类的像素数为W₂(T)，灰度值的均值为M₂(T)，方差为σ₂(T)；

全体像素的平均值为M_T，则类内方差由下列公式计算：

σ_w²＝W₁(T)σ₁²(T)+W₂(T)σ₂²(T)；

类间方差由下列公式计算：

σ_b²＝W₁(T)(M₁(T)-M_T)²+W₂(T)(M₂(T)-M_T)²＝W₁(T)W₂(T)(M₁(T)-M₂(T))²；

为了使σ_b²/σ_W²变为最大，使σ_b²最大，求出最大的σ_b²所对应的灰度值即为所求阈值。

更进一步的技术方案是所述的阈值T的计算公式为：

其中，A表示为：模糊区最小阈值，C表示为：模糊区最大阈值。

与现有技术相比，本发明实施例的有益效果之一是：本发明将电子图像进行二值化处理，根据边缘的平滑程度确定阈值，对图像进行降噪处理，从而分析出图像的有效区域，然后进行背景色的屏蔽或者替换，达到图像智能化处理。该方法适用范围广，处理速度快。

附图说明

图1为本发明一个实施例的灰度直方图。

图2为本发明一个实施例方法流程图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

下面结合附图及实施例对本发明的具体实施方式进行详细描述。

如图1和图2所示，根据本发明的一个实施例，本实施例公开一种基于全局二值化的图像识别方法，将电子图像进行二值化处理，根据边缘的平滑程度确定阈值，对图像进行降噪处理，从而分析出图像的有效区域，然后进行背景色的屏蔽或者替换，达到图像智能化处理。

具体的，本实施例基于全局二值化的图像识别方法包括以下步骤：

步骤一、通过图像采集设备对图像源进行图像信息的采集，对图像信息进行预处理；

步骤二、对图像信息进行全局二值化处理，得到分离的前景和背景图像信息。

具体的，如图1所示，本实施例将图像的灰度直方图分为三个类：前景、背景和一个既可以属于前景也可以属于背景的模糊区，如图1所示，其中横轴为灰度级，纵轴为频率，图中有两个重要的参数A、C，是他们将图像的灰度级分为三个类。如果图像的灰度级g∈[A,C]，即属于模糊区。

步骤三、测算阈值，阈值范围内的图像信息作为目标信息提取，对阈值以外的信息进行屏蔽或者替换。

具体的，积分率的二值化最优阈值的计算公式如下：

假设给定的图像有L个灰度级，设阈值为T，把具有T以下灰度值的像素和具有比T大的灰度值的像素分为两类，第一类的像素值为W₁(T)，灰度值的均值为M₁(T)，方差为σ₁(T)；同样的，第二类的像素数为W₂(T)，灰度值的均值为M₂(T)，方差为σ₂(T)。

全体像素的平均值为M_T，则类内方差由下列公式计算：

σ_w²＝W₁(T)σ₁²(T)+W₂(T)σ₂²(T)；

类间方差由下列公式计算：

σ_b²＝W₁(T)(M₁(T)-M_T)²+W₂(T)(M₂(T)-M_T)²＝W₁(T)W₂(T)(M₁(T)-M₂(T))²；

为了使σ_b²/σ_W²变为最大，最好是使σ_b²最大，求出最大的σ_b²所对应的灰度值即为所求阈值。

步骤四、对提取的所述目标信息进行降噪处理，得到信息结果以后对图像进行复原和拼接，达到图像提取的目的。

在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”等，指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一个实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。

尽管这里参照发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外，对于本领域技术人员来说，其他的用途也将是明显的。