完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
电子发烧友论坛|
在图像处理时,受外界光线的干扰一般比较大,假如在阈值分割时采用固定阈值,那么在环境改变时分割效果受影响极大,那么为了避免此影响就必须采用动态阈值,自动求出合适的阈值,将目标图像和背景图像分割开来。 图像阈值化分割是一种最常用,同时也是最简单的图像分割方法,它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量,而且也大大简化了分析和处理步骤,因此在很多情况下,是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。因此,这里科天健将简要介绍图像处理算法:阈值分割。
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。
|
|
相关推荐
13 个讨论
|
|
|
大津法是属于最大类间方差法,它是自适应计算单阈值的简单高效方法,或者叫(Otsu)
大津法由大津于1979年提出,对图像Image,记t为前景与背景的分割阈值,前景点数占图像比例为w0,平均灰度为u0;背景点数占图像比例为w1,平均灰度为u1。图像的总平均灰度为:u=w0*u0+w1*u1。从最小灰度值到最大灰度值遍历t,当t使得值g=w0*(u0-u)2+w1*(u1-u)2 最大时t即为分割的最佳阈值。对大津法可作如下理解:该式实际上就是类间方差值,阈值t分割出的前景和背景两部分构成了整幅图像,而前景取值u0,概率为 w0,背景取值u1,概率为w1,总均值为u,根据方差的定义即得该式。因方差是灰度分布均匀性的一种度量,方差值越大,说明构成图像的两部分差别越大, 当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小,因此使类间方差最大的分割意味着错分概率最小。直接应用大津法计算量较大,因此一般采用了等价的公式g=w0*w1*(u0-u1)2。 |
|
|
|
|
|
|
|
只有小组成员才能发言,加入小组>>
请问OLED显示屏可以让整帧画面同一时间显示出来吗,而不是行扫?
17145 浏览 1 评论
15212 浏览 3 评论
动手做:使用 LED 灯带第 1 部分 – 制作住宅柜下照明
14116 浏览 3 评论
18502 浏览 13 评论
9521 浏览 2 评论
7793浏览 0评论
/9
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2025-12-3 19:19 , Processed in 1.084483 second(s), Total 79, Slave 64 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 (电路图) 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证:合字B2-20210191

淘帖
1635