基于局部自适应的Otsu算法的制作方法

本发明属于计算机图像处理领域，特别涉及基于局部自适应的otsu算法。

背景技术

由于不受图像对比度和亮度变化的影响，otsu算法常被用于图像分割问题。虽然该算法比较简单，但计算方差时需要遍历图像中的所有像素，导致时间开销较大，因而难以运用到实时的图像处理系统中。此外，如果仅仅利用图像的灰度直方图来选取图像分割的阈值，往往难以获得最佳阈值，从而难以获得较好的分割结果。

技术实现要素：

本发明的目的是提供基于局部自适应的otsu算法，为了提高图像分割效果，针对一维otsu算法提出了一种局部自适应的阈值分割方法。

基于局部自适应的otsu算法，其具体方法是利用滑动窗口遍历整幅图像，针对每一个滑动窗口进行阈值分割后，再利用拼接技术还原图像。

实验结果表明，本文算法的分割效果要优于一维otsu算法，并且还降低了算法实现的时间开销。

其优点在于：

本技术方案在算法实现的时间开销方面明显优于经典的一维otsu算法，不仅可以运用到实时的图像处理系统中，还达到很好的分割效果。

附图说明

图1为一维otsu算法过程。

图2为图像灰度级与类间方差关系图。

图3为局部自适应的otsu算法滑动窗口未遍历位置(1)。

图4为局部自适应的otsu算法滑动窗口未遍历位置(2)。

图5为局部自适应的otsu算法滑动窗口未遍历位置(3)。

图6为局部自适应的otsu算法滑动窗口未遍历位置(4)。

图7为基于局部自适应的otsu算法分割结果，(原始图像)。

图8为基于局部自适应的otsu算法分割结果，(otsu全局阈值分割结果)。

图9为基于局部自适应的otsu算法分割结果，(otsu局部自适应阈值分割结果)。

具体实施方式

基于局部自适应的otsu算法：

一维otsu算法原理可以表述如下：假设图像有l个灰度级，灰度值为i的像素总数为n，而整个图像的像素总数为n，则灰度值i在图像中所占的比例为且有设置阈值为t，并将图像灰度级分为2类，即所说的前景和背景。令前景a＝(1,2,...,t)，背景b＝(t+1,t+2,...,l-1)，t∈(0,l-1)，可以得出a、b在图像中所占的比例分别为：

进而可以得出a，b灰度值均值为：

则图像总灰度均值为

最终得到图像类间方差为：

σ²＝pa(wa-w0)²+pb(wb-w0)²(1)。

由式(1)可知，σ²越大则a、b灰度差别越大。当σ²最大时，可得阈值t′为

为了更加清楚地理解一维otsu算法过程，给出了图1。

算法改进：

本技术方案提出了一种基于局部自适应的otsu算法。同时，为了降低算法的时间复杂度，做出了相应的改进。

在提出解决问题之前，发现otsu算法具有两个比较有趣的现象：

(1)利用otsu算法进行图像分割。如果针对图像采取缩小操作，otsu算法得到的阈值基本不会改变。利用大量图像(5000张，100×100、200×200、300×300、400×400、500×500分辨率图像各1000张)进行实验，发现将图像缩小至0.5倍、0.4倍甚至到0.1倍后，再对图像进行otsu分割，所得的阈值保持不变。可以总结：如果对大尺寸图像(200×200及以上)进行缩小操作，然后利用otsu算法得到阈值，再对原图像分割将会大大减小时间开销；然而，如果图像尺寸过小(100×100或者更低分辨率)，利用此方法会得到错误阈值。

(2)图2是图7中原图像灰度级与类间方差的关系图。从中可见看到，在灰度级逐渐变大过程，类间方差经历两个变大变小阶段，即会出现两个抛物线。然而，这种现象不是某个场景图像所独有的。通过对大量图像(5000张图像)实验发现，所有图像都是在灰度级区间出现两个抛物线现象。这表明随着灰度级逐渐上升，不可能出现相邻两个灰度级剧烈跳变的情况，即灰度级与类间方差之间关系是连续的。实际上通过对式(1)可以看出，灰度级与类间方差之间关系是连续的函数，图像趋势符合该公式。

针对上述现象，本技术方案可以从两个方面降低时间开销。

(1)针对符合一定尺寸(分辨率超过100×100)的图像采取缩小(缩小后的分辨率不宜低于100×100)操作后，再利用otsu算法计算阈值，一般缩小至1/3倍为宜。如果图像的分辨率小于100×100，则图像不采取缩小操作，而是直接利用otsu算法计算阈值。

(2)由于场景图像都符合图2现象，即灰度级与类间方差之间的关系是一种平滑的曲线关系，相邻灰度级不可能出现跳变情况，且对图像分割效果没有影响。因而，可以将256灰度级，每隔一个灰度级计算类间方差。如此操作，计算类间方差时会减少一半的计算量，即只遍历128个灰度级，这种方法大大缩减了otsu算法的时间开销。

本技术方案根据全局阈值法的局限性，提出了一种基于局部自适应的otsu图像分割方法。具体过程是：(1)首先创建一个滑动窗口(是一种不重叠的窗口)，从左到右、从上到下遍历整幅图像；(2)在遍历的过程中，对每个窗口图像利用otsu算法计算阈值并分割图像；通过遍历，可以得到每个局部图像的二值图像；(3)最后将二值化图像利用图像拼接技术进行拼接，拼接成与原图一样大小的分割图像。

在遍历过程中，需要考虑3种情况：(1)如果图像右边有多余的像素没有被滑动窗口遍历到，但是图像下边刚好被遍历完毕，此时需要把图像右边提取出来进行otsu阈值化，并进行横向图像拼接，此种情况见图3；(2)如果图像下边有多余的像素没有被滑动窗口遍历到，但是图像右边刚好被遍历完毕，此时需要把图像下边提取出来进行otsu阈值化，并进行纵向图像拼接，此种情况见图4；(3)如果图像下边有多余的像素没有被滑动窗口遍历到，图像右边也有多余的像素没有被滑动窗口遍历到，此时需要把图像分成两块，并有两种方式进行拼接：(a)将图像按照图5分块，先进行横向拼接，再进行纵向拼接，顺序不可颠倒；(b)将图像按照图6分块，先进行纵向拼接，再进行横向拼接，顺序也不可颠倒。当所有局部图像进行拼接完成，则整个算法过程也随之结束。

实验结果与分析：

如图7-9是实验得出的结果，图中指示牌的信息已经显示出来，可以看到基于局部自适应的otsu算法的分割结果要比经典算法结果要好。