石家庄铁道学院四方学院 教案纸 64阈值分割 基本原理 原始图像—f(x,y) 灰度阈值——T 阈值运算得二值图像——g(xy) glx,y] ∫1如果fx,y≥T 0如果[x,y<T 阈值选择直接影响分割效果,通常可以通过对灰度直方图的分析来确定它的值 阈值选择 利用灰度直方图求双峰或多峰选择两峰之间的谷底作为阈值 三、人工阈值 人工选择法是通过人眼的观察,应用人对图像的知识,在分析图像直方图的基础 上,人工选出合适的阈值。也可以在人工选出阈值后,根据分割效果,不断的交 互操作,从而选择出最佳的阈值 : 原始图像 I=155的二值化图像T=210的二值化图像 T HU THII 图像直方图 第1页
石 家 庄 铁 道 学 院 四 方 学 院 教 案 纸 第 1 页 6.4 阈值分割 一、基本原理 原始图像——f(x,y) 灰度阈值——T 阈值运算得二值图像——g(x,y) 阈值选择直接影响分割效果,通常可以通过对灰度直方图 的分析来确定它的值。 二、阈值选择 利用灰度直方图求双峰或多峰选择两峰之间的谷底作为阈值 三、人工阈值 人工选择法是通过人眼的观察,应用人对图像的知识,在分析图像直方图的基础 上,人工选出合适的阈值。也可以在人工选出阈值后,根据分割效果,不断的交 互操作,从而选择出最佳的阈值。 图像直方图 1 [ , ] [ , ] 0 [ , ] f x y T g x y f x y T = 如果 如果 T=155的二值化图像 T=210的二值化图像 原始图像
石家庄铁道学院四方学院 教案纸 四、自动阈值 l、迭代法 基本思想:开始时选择一个阈值作为初始估计值,然后按某种策略不断地改进这 估计值,直到满足给定的准则为止。在迭代过程中,关键之处在于选择什么样 的阈值改进策略,好的阈值的改进策略应该具备两个特征,一是能够快速收敛, 二是在每一个迭代过程中,新产生阈值优于上一次的阈值。 (1)选择图像灰度的中值作为初始阈值7=70 (2)利用阈值T把图像分割成两部分区域,R1和R2,并计算其灰度均值 ni (3)计算新的阈值T+1 T+1=(1+/2) (4)重复步骤2、3,直到T+1和T的值差别小于某个给定值 原始图像 迭代阈值二值化图象 迭代式阈值二值化图像 2、Otu法 stu方法是使类间方差最大而推导出的一种能自动确定阈值的方法 具有简单,处理速度快的特点 Matlab工具箱提供的 graythresh函数求取阈值采用的正是Ostu法 Otsu法二值化图像 原始图像 0tsu法二值化图象 第2页
石 家 庄 铁 道 学 院 四 方 学 院 教 案 纸 第 2 页 四、自动阈值 1、迭代法 基本思想:开始时选择一个阈值作为初始估计值,然后按某种策略不断地改进这 一估计值,直到满足给定的准则为止。在迭代过程中,关键之处在于选择什么样 的阈值改进策略,好的阈值的改进策略应该具备两个特征,一是能够快速收敛, 二是在每一个迭代过程中,新产生阈值优于上一次的阈值。 (1) 选择图像灰度的中值作为初始阈值 Ti=T0。 (2) 利用阈值 Ti 把图像分割成两部分区域, R1 和 R2,并计算其灰度均值 (3) 计算新的阈值 Ti+1 (4) 重复步骤 2、3,直到 Ti+1 和 Ti 的值差别小于某个给定值 迭代式阈值二值化图像 2、Ostu 法 ➢ stu 方法是使类间方差最大而推导出的一种能自动确定阈值的方法 ➢ 具有简单,处理速度快的特点 ➢ Matlab 工具箱提供的 graythresh 函数求取阈值采用的正是 Ostu 法 Otsu 法二值化图像: 1 0 1 2 1 0 , i i i i T L i i i i T T L i i i i T in in u u n n − = = − = = = = 1 1 2 1 ( ) 2 Ti+ = + 原始图像 迭代阈值二值化图象 原始图像 Otsu法二值化图象
石家庄铁道学院四 教案纸 3、分水岭算法 分水岭算法( watershed)是一种借鉴了形态学理论的分割方法,它将一幅图象 看成为一个拓扑地形图,其中灰度值被认为是地形高度值。高灰度值对应着 山峰,低灰度值处对应着山谷。将水从任一处流下,它会朝地势底的地方流 动,直到某一局部低洼处才停下来,这个低洼处被称为吸水盆地,最终所有 的水会分聚在不同的吸水盆地,吸水盆地之间的山脊被称为分水岭,水从分 水岭流下时,它朝不同的吸水盆地流去的可能性是相等的。 将这种想法应用于图像分割,就是要在灰度图像中找出不同的吸水盆地和分 水岭,由这些不同的吸引盆地和分水岭组成的区域即为我们要分割的目标 (a)原始图像(h)图像对应的拓扑地形图 图像对应的拓扑表面图 分水岭阈值选择算法可以看成是一种自适应的多阈值分割算法 分水岭形成示意图 分水岭对应于原始图像中的边缘 MATLAB函数: L=watershed( f 原始图像 分水岭 分割结果 局部极小值 不准确标记分水岭算法导致过分割 第3页
石 家 庄 铁 道 学 院 四 方 学 院 教 案 纸 第 3 页 3、分水岭算法 ➢ 分水岭算法(watershed)是一种借鉴了形态学理论的分割方法,它将一幅图象 看成为一个拓扑地形图,其中灰度值被认为是地形高度值。高灰度值对应着 山峰,低灰度值处对应着山谷。将水从任一处流下,它会朝地势底的地方流 动,直到某一局部低洼处才停下来,这个低洼处被称为吸水盆地,最终所有 的水会分聚在不同的吸水盆地, 吸水盆地之间的山脊被称为分水岭,水从分 水岭流下时,它朝不同的吸水盆地流去的可能性是相等的。 ➢ 将这种想法应用于图像分割,就是要在灰度图像中找出不同的吸水盆地和分 水岭,由这些不同的吸引盆地和分水岭组成的区域即为我们要分割的目标。 图像对应的拓扑表面图 分水岭阈值选择算法可以看成是一种自适应的多阈值分割算法 分水岭形成示意图 MATLAB 函数: L=watershed(f) 不准确标记分水岭算法导致过分割 (a)原始图像 (b)图像对应的拓扑地形图 图9.23 图像对应的拓扑表面图 分水岭对应于原始图像中的边缘 原始图像 分水岭 分割结果 局部极小值
石家庄铁道学院四方学院 教案纸 4、改进的分水岭算法 原始图像 原图像的距离变换 标记外部约束 标记内部约束由标记内外部约束重构的梯 度图 分割结果 准确标记的分水岭算法分割过程 第4页
石 家 庄 铁 道 学 院 四 方 学 院 教 案 纸 第 4 页 4、改进的分水岭算法 准确标记的分水岭算法分割过程 原始图像 原图像的距离变换 标记外部约束 标记内部约束 由标记内外部约束重构的梯 度图 分割结果