基于灰度直方图的多阈值分割法
【专利摘要】本发明公开了一种基于灰度图像直方图的多阈值分割方法，该方法利用类间方差最大原则，以二分法为基础，并将直方图上的极小值点作为多阈值分割的参考点。首先根据类间方差最大法，找到图像的第一个阈值，然后以二分法为基础，对分割的图像的两部分分别求其类间的最大方差，再把两方差进行比较，找到最大的方差对应的阈值作为下一次分割的阈值点。以此类推，直至找到给定的阈值数为止。然后，根据平滑后的直方图，找到所有的波谷点。最后，把得到的所有阈值与波谷点进行比较，找到最靠近阈值的波谷点作为最终的阈值。本发明的多阈值分割法相对于传统的多阈值分割方法，不仅消除了部分的分割噪声，而且分割的效果和适应性都好于已有算法。
【专利说明】基于灰度直方图的多阈值分割法
【技术领域】
[0001]本发明属于灰度图像的阈值分割技术，特别是一种基于灰度图像直方图的多阈值分割的方法。
【背景技术】
[0002]图像分割是图像处理中的一项重要的处理技术，应用的范围非常广泛。图像分割的目的是能够得到用户需要的区域，是对得到目标进行进一步处理的关键前提。因此，研究者们提出了各种进行图像分割的方法。其中，基于阈值的图像分割，是图像分割的一种有效的方法。Otsu法是一种经典的阈值化方法，Otsu法也称最大类间方差法，是由日本学者Otsu与1979年提出的。由于Otsu阈值法进行图像分割，算法简单、稳定、能够自动的进行阈值分割，被广泛的应用在图像处理中。在实际应用中，由于图像往往包含多类目标，只进行单阈值的图像分割，把一副图像分成目标和背景区域不能够满足需求。经典的Otsu法能够容易的推广到多阈值分割的情况，但是时间复杂度过大，算法执行时间过长。LIAOPING-SUNG，CHEN TSE-SHENG等对算法进行改进，修改了类间方差的计算公式，使算法的运行时间大大缩短。但是，单阈值为4个以上时，算法执行时间仍然很长，而且，分割后的图像往往含有噪声。之后研究者们又提出了改进的多阈值算法及快速实现，这些算法大都主要从算法的复杂度上进行了改进，而很少考虑到阈值的分割效果。Li Zhexue等提出的快发算法，时间复杂度虽然低，但是在很多情况下存在错分割情况。
【发明内容】
[0003]本发明的目的正是针对上述现有方法中所存在的问题，在经典Otsu进行阈值分割的基础上，结合直方图的波谷点的信息，从而实现对多目标图像的分割。
[0004]实现本发明目的的技术解决方案为:一种基于灰度图像直方图的多阈值图像分割方法，其具体步骤如下:
[0005]第一步:根据类间方差最大法，找到图像的第一个阈值h ；
[0006]第二步:根据阈值点t1;以二分法为基础，对分割后的灰度直方图区间分别求其类间的最大方差σ i和σ2;
[0007]第三步:将两方差σ i和σ2进行比较，找到最大的方差对应的阈值作为下一次分割的阈值点，以此类推，直至找到给定的阈值数为止；
[0008]第四步:根据平滑后的直方图，找到所有的波谷点；
[0009]第五步:把步骤三中得到的所有的阈值点和步骤四中得到的波谷点进行比较，找到波谷点中最接近步骤三中求的阈值，把该波谷点作为最终所求的阈值。
[0010]第二步中所述的直方图区间分成[0，...，?「1]和[t「l，一，L_l]两类，其中L代表灰度级。
[0011]第三步中如果Oi > O2，在区间[0，…，t「l]内部找到方差O1对应的阈值t2，然后在区间[O,…，t2_l]和区间[t2+l,…，t「l]内部找到最大方差σ3和方差σ4,在第二步中剩下的没有选择的方差。2参与本次的方差比较，找到最大方差max ( σ 3，σ 4，σ 2)对应的阈值t3。
[0012]第四步中对图像进行均值滤波后得到平滑后的直方图。
[0013]本发明的优点是:本发明方法相对于传统的多阈值分割，不仅能够消除以往算法产生的部分噪声，而且不会存在错分割或过分割的现象。同时，能够使分割的细节更突出，算法的时间复杂度低，不会出现当阈值个数过多时的指数增长现象。
【专利附图】
【附图说明】
[0014]图1是平滑图像后的直方图进行多阈值选择理想的波谷点阈值。
[0015]图2是本发明基于灰度直方图的多阈值图像分割法的程序流程图。
[0016]图3是不同算法在Lena图像上进行3阈值的分割效果图(a为原始灰度图像；b为LIAOPING-SUNG算法;c为Li Zhexue算法；d为本发明算法)。
[0017]图4是不同算法在House图像上进行3阈值的分割效果图(a为原始灰度图像；b为LIAOPING-SUNG算法;c为Li Zhexue算法；d为本发明算法)。
【具体实施方式】
[0018]结合图1和图2，本发明的基于灰度图像直方图的多阈值图像分割方法包括以下步骤:
[0019](I)设一幅图像X具有L个灰度级(0，1,2,..., L-1),统计每个灰度值的像素点的
频数ni，构造频数直方图，计算总的像素点的个数#=11?，计算每个灰度值出现的概率:
?~0
Pi=ni/N ；
[0020](2)对于每个分割的阈值点t，假设把图像分成两类:目标和背景，计算
【权利要求】
1.一种基于灰度直方图的多阈值分割法，其特征在于所述方法包括以下步骤: 第一步:根据类间方差最大法，找到图像的第一个阈值; 第二步:根据阈值点t1;以二分法为基础，对分割后的灰度直方图区间分别求其类间的最大方差σ i和σ 2 ; 第三步:将两方差％和σ 2进行比较，找到最大的方差对应的阈值作为下一次分割的阈值点，以此类推，直至找到给定的阈值数为止； 第四步:根据平滑后的直方图，找到所有的波谷点； 第五步:把步骤三中得到的所有的阈值点和步骤四中得到的波谷点进行比较，找到波谷点中最接近步骤三中求的阈值，把该波谷点作为最终所求的阈值。
2.根据权利要求1所述的基于灰度直方图的多阈值分割法，其特征在于第二步中所述的直方图区间分成[O，和[&+1，一，1^1]两类，其中L代表灰度级。
3.根据权利要求1所述的基于灰度直方图的多阈值分割法，其特征在于第三步中如果σ ! > σ2，在区间[O，内部找到方差O1对应的阈值t2，然后在区间[0，...，?2_1]和区间[t2+l，…，tfl]内部找到最大方差O3和方差σ4，在第二步中剩下的没有选择的方差σ 2参与本次的方差比较，找到最大方差max( σ 3，σ 4，σ 2)对应的阈值t3。
4.根据权利要求1所述的基于灰度直方图的多阈值分割法，其特征在于第四步中对图像进行均值滤波后得到平滑后的直方图。
【文档编号】G06T7/00GK103578095SQ201210257574
【公开日】2014年2月12日 申请日期:2012年7月24日 优先权日:2012年7月24日
【发明者】王琼, 刘欣欣, 李雪, 赵春霞 申请人:南京理工大学