基于模糊阈值的自适应图像分割方法
【技术领域】
[0001] 本发明属于图像处理技术领域，具体说，涉及一种基于模糊阈值的自适应图像分 割方法。
【背景技术】
[0002] 图像分割就是指把图像分成互不重叠的区域，并提取出感兴趣目标的技术和过 程。图像分割有三种不同的途径，其一是将各像素划归到相应物体或区域的像素聚类方法， 即区域法;其二是通过直接确定区域间的边界来实现分割的边界方法;其三是首先检测边 缘像素，再将边缘像素连接起来构成边界，形成分割。
[0003] 在图像分割技术中，最常用的是利用阈值化处理进行的图像分割。基于像素直方 图的阈值分割算法是区域分割算法中具有代表性的一类非常重要的分割算法，阈值分割算 法是基于目标与背景的灰度差异，通过寻找最佳阈值，将目标从背景中分离出来。正确确定 阈值是阈值分割法的关键，只要能确定一个合适的阈值就可以完成图像的准确分割。在图 像的阈值化处理过程中，选用不同的阈值其处理结果差异很大；阈值过大，会提取多余的部 分；阈值过小，又会丢失所需的部分。因此，阈值的选取非常重要。阈值分割法的最大特点是 计算简单，对于直方图呈明显双峰特性的图像，可以得到很好的分割效果。
[0004] 在图像处理过程中，必须充分考虑图像自身的特点和人类的视觉特性。图像的成 像过程是一种多到一的映射过程，由此决定了图像本身存在许多不确定性和不精确性，即 模糊性;而对于人类的视觉感知来说，图像从黑到白的变化也是模糊的。这种不确定性和不 精确性主要体现在图像灰度的不确定性、目标边缘的不确定性等等。但是多数的阈值分割 算法对于灰度图像的处理往往仅利用图像的灰度水平值而未考虑像素的空间邻域信息，大 大地增加了灰度图像的目标和背景的误分比率。针对此问题提出的模糊阈值分割算法在考 虑像素的灰度水平值的同时，将像素与其邻域像素的空间关系作为权重共同作用于该像 素，设计出新的模糊分割函数。这种算法具有较好的稳定性和鲁棒性，对多数图像梯度的灰 度直方图接近单峰的图像和灰度峰值分布距离较远的图像，也能得到很好的分割效果。
[0005] 在模糊阈值分割方法中，隶属函数及其窗宽的选取是分割成败的关键所在。选定 满足约束条件的隶属函数后，阈值的选取完全取决于给定的窗宽。目前，现有技术中隶属函 数窗宽的选取，是通过观察直方图峰值的分布情况，人为给定的。对已知的图像直方图分 布，利用这种方法总能找到合适的窗宽，但当图像改变而使直方图分布变化时(如图像的目 标大小在较宽的范围上变化），预设窗宽就可能失效，造成误分割，所以必需根据待分割图 像的特性自动选取窗宽。
[0006] 模糊阈值分割的实质是对图像直方图进行加权平均，平滑后的直方图即为模糊率 曲线，其极小值对应分割阈值。现有技术通过模糊率曲线极值点数量与图像已知像素类别 的个数对比的方法计算窗宽，但此方法对图像直方图呈单峰分布或双峰不明显的图像分割 效果较差，很容易导致分割失败。
【发明内容】
[0007] 本发明的目的在于提供一种基于模糊阈值的自适应图像分割方法，以解决上述问 题。
[0008] 本发明的实施例提供了一种基于模糊阈值的自适应图像分割方法，包括：
[0009] 步骤1，对直方图进行预处理，获取具有双峰特性的图像直方图；
[0010]步骤2,对预处理后的图像直方图进行梯度检测，确定波谷的位置；
[0011] 步骤3，根据波谷位置，确定波峰位置；
[0012] 步骤4,根据波峰的峰值，确定两临近波峰间的距离，并根据不同波峰间的距离计 算不同图像的隶属函数窗宽大小；
[0013] 步骤5,确定分割阈值。
[0014] 进一步，步骤1中预处理包括:对单峰直方图进行反变换，以及直方图平滑处理。
[0015]进一步，步骤3具体包括：
[0016] 对预处理后的新直方图进行均衡处理；
[0017] 采用对均衡处理后的直方图求微分和直线扫描相结合的方法确定波峰位置。 [0018]进一步，步骤4具体包括：
[0019] 选定隶属函数；
[0020] 根据波峰峰值确定临近波峰的距离DJ;
[0021] 在[0.3,0.8]内选取参数λ;
[0022] 根据不同峰值间距计算窗宽C，c = ADj;
[0023] 进一步，根据不同峰值间距计算窗宽之后还包括对图像进行滤波处理。
[0024]进一步，步骤5具体包括：
[0025]分段计算直方图呈多峰分布的图像；
[0026]分开计算直方图中的各波峰；
[0027]通过直方图求一阶微分和直线扫描的方法确定波谷；
[0028]将图像直方图分为η个部分；
[0029]确定各部分峰值所在位置；
[0030]确定各部分使模糊率曲线达到最小值的参数；
[0031]求出各部分直方图的最佳分割阈值；
[0032]根据各部分阈值进行图像自适应分割。
[0033] 与现有技术相比本发明的有益效果是:实现了窗口宽度的自适应选取，并且有效 改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点，拓展了模糊阈值图像分 割方法的适用范围，改善了模糊阈值分割方法的分割效果。
【附图说明】
[0034] 图1是本发明一种基于模糊阈值的自适应图像分割方法的流程图；
[0035] 图2是本发明一种基于模糊阈值的自适应图像分割方法直方图预处理的流程图；
[0036] 图3是本发明一种基于模糊阈值的自适应图像分割方法波谷检测的流程图；
[0037] 图4是本发明一种基于模糊阈值的自适应图像分割方法峰值检测的流程图；
[0038] 图5是本发明一种基于模糊阈值的自适应图像分割方法窗宽自适应选取的流程 图；
[0039] 图6是本发明一种基于模糊阈值的自适应图像分割方法确定分割阈值的流程图；
[0040] 图7是本发明一种基于模糊阈值的自适应图像分割方法在双峰机场图像中应用的 实验结果；
[0041] 图8是本发明一种基于模糊阈值的自适应图像分割方法在多峰机场图像中应用的 实验结果。
【具体实施方式】
[0042] 下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些 实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、 或者结构上的等效变换或替代，均属于本发明的保护范围之内。
[0043] 参图1所示，图1是本发明一种基于模糊阈值的自适应图像分割方法的流程图。
[0044] 本实施例提供了一种基于模糊阈值的自适应图像分割方法，包括：
[0045] 步骤S1，对直方图进行预处理，获取具有双峰特性的图像直方图；
[0046] 步骤S2,对预处理后的图像直方图进行梯度检测，确定波谷的位置；
[0047] 步骤S3，根据波谷位置，确定波峰位置；
[0048]步骤S4,根据波峰的峰值，确定两临近波峰间的距离，并根据不同波峰间的距离计 算不同图像的隶属函数窗宽大小；
[0049] 步骤S5,确定分割阈值。
[0050] 在本实施例中，步骤S1中预处理包括:对单峰直方图进行反变换，以及直方图平滑 处理。
[0051 ]在本实施例中，步骤S3具体包括：