原始图像 阈值化
阈值分割法是一种基于区域的图像分割技术,其基本原理是:通过设定不同的特征阈值,把图像像素点分为若干类。常用的特征包括:直接来自原始图像的灰度或彩色特征;由原始灰度或彩色值变换得到的特征。设原始图像为f(x,y),按照一定的准则在f(x,y)中找到特征值T,将图像分割为两个部分,当像素点灰度值或彩色值大于T时,则置为A1(其置可为1),小于T时,则置为A0(其置可为0)。
下面是几种常用的阈值分割方法:
1、p-分位数法
这也是最基础最简单的一种图像分割方法。该方法使目标或背景的像素比例等于其先验概率来设定阈值,简单高效,但是对于先验概率难于估计的图像却无能为力。例如,根据先验知识,知道图像目标与背景象素的比例为PO/PB,则可根据此条件直接在图像直方图上找到合适的阈值T,使得f(x,y)>=T的象素为目标,f(x,y)的象素为背景。
2、迭代方法选取阈值
初始阈值选取为图像的平均灰度T0,然后用T0将图像的像素点分作两部分,计算两部分各自的平均灰度,小于T0的部分为TA,大于T0的部分为TB。计算后,将T1 作为新的全局阈值代替T0,重复以上过程,如此迭代,直至TK 收敛,即TK+1=TK 。经试验比较,对于直方图双峰明显,谷底较深的图像,迭代方法可以较快地获得满意结果。但是对于直方图双峰不明显,或图像目标和背景比例差异悬殊,迭代法所选取的阈值不如最大类间方差法。
3、直方图凹面分析法
方法对某些只有单峰直方图的图像,可以作出分割。从直观上说,图像直方图双峰之间的谷底,应该是比较合理的图像分割阈值,但是实际的直方图是离散的,往往十分粗糙、参差不齐,特别是当有噪声干扰时,有可能形成多个谷底。从而难以用既定的算法,实现对不同类型图像直方图谷底的搜索。通常采用低通滤波的方法平滑直方图,但是滤波尺度的选择并不容易。此方法仍然容易受到噪声干扰,对不同类型的图像,表现出不同的分割效果, 往往容易得到假的谷底。
4、最大类间方差法
由Otsu于1978年提出,其计算简单、稳定有效,一直广为使用。从模式识别的角度看,最佳阈值应当产生最佳的目标类与背景类的分离性能,但当图像中目标与背景的大小之比很小时方法失效。
在实际运用中,往往使用以下简化计算公式:
(T) = WA(μa-μ)2 + WB(μb-μ)2
其中, 为两类间最大方差,WA 为A类概率,μa为A类平均灰度,WB 为B类概率,μb为B类平均灰度,μ为图像总体平均灰度。即阈值T将图像分成A,B两部分,使得两类总方差 (T)取最大值的T,即为最佳分割阈值。
科天健在自动道钉检测项目中采用的是最大类间方差法,自动将3D转化图像进行阈值分割,从而将不同高度的道钉与背景分割开来,以确定道钉是否缺失。
道钉系统结构 道钉阈值分割处理图
8