图像分割综述

2016-02-02何志明

山东工业技术 2016年22期

关键词：图像处理灰度阈值

何志明

（延安大学西安创新学院,西安 710100）

图像分割综述

何志明

（延安大学西安创新学院,西安 710100）

对图像分割进行综合阐述，并详细介绍几种常用图像分割法，以及他们主要的特点。

图像分割;阈值;区域

1 图像分割概念

图像分割是一种主要应用于图像处理及模式识别中的比较重要的分割图像的方式。图像分割的根本目的是在整体或是大区域图像中分割出有意义或是感兴趣的局部区域，这些区域一般对应于现实世界的各类不同目标。为了有效的辨别、分析目标，我们就有必要将目标区域单独划分出来，只有在基础上才有可能进一步对目标图像的特征进行提取、分析和测量。因此，我们认为图像分割是进行图像分析、图像理解和图像描述的前提条件。

图像分割的一个主要方法就是阈值分割法。阈值分割法主要利用阈值将一幅灰度图变成简单的二值图像，从而达到分割图像的目的。该方法的主要难度在于确定合适的灰度值，将高于该值的像素归于一类，而将低于该值的像素归于另一类。这个灰度值就是我们所说的“阈值”。该方法是一种简单而有效的图像分割法，尤其是对于有较大对比度的图像，利用阈值分割法分割将会得到很好的分割效果。阈值分割法一般作为图像处理、分析的第一步。简单的阈值分割法只能产生一个二值图来区分两个不同的类，这是图像分割法要局限性之一。阈值分割法的另一个局限性就是：在分割时，一般未考虑图像的空间特征，使得它对噪声特别敏感。因此，就出现了一些针对阈值法的改进分割算法。

简单的理解，图像分割就是将一幅图像分成几个不同的区域，或是说在一幅图像中提取一个或是几个有用的区域。在图像分割时，也需要考虑图像噪声的影响及图像特征的识别与提取。其中，遥感图像的分割难度比较大，因为要饭图像一般被噪声污染较为严重，噪声会影响阈值的选取。所以阈值法图像分割的关键问题是选取一个恰当的阈值。

2 图像分割的关键问题

2.1 阈值选取

阈值分割法的主要原理是：将高于设定阈值的像素确定为目标物体对象，而将低于设定阈值的像素全部确定为背景对象。所以，该方法适用于物体和背景之间有着较大对比度的图像。在现在的各种图形图像处理系统中，一般都会使用阈值法进行图像处理。为了将物体有效的从背景中提取出来，研究人员发现或是发明了很多阈值确定方法，比如全局阈值法，自适应阈值法以及最佳阈值法等。

2.2 梯度处理

若目标物体跟背景的对比度相差较大时，那么物体的边界一般就会处于图像梯度变化的最高点上，此时，取得最高梯度点的值就可以确定物体的边界，就可以将物体和背景进行分割。但该方法易因噪声关系，影响实际物体边界的确定。因此，在进行边界搜索与跟踪前，一般要先进行图像的梯度平滑处理，以减小噪声的影响。

3 确定阈值的主要方法

3.1 双峰法

双峰法认为图像的构成主要有两部分：背景和目标物体。因此，物体和背景会至灰度直方图中形成两各高峰，那么，图像的最佳阈值就应该出现在双峰的最低处。

3.2 迭代法

迭代法主要采用的是逼近原理，它的主要步骤是：

3.3 大津法（OTSU法）

在1979年，大津提出了大津法：对于图像I，设前景和背景的分割阈值是t，前景像素数与整图像素数比例为w0，平均灰度值为u0，背景像素数为w1，平均灰度值为u1，则整个图像的平均灰度值是：u=w0*u0+w1*u1。然后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，t就是最佳阈值。我们可将大津法这样理解：阈值t将整个图像分成了前景和背景两个部分，前景取值为u0的概率是w1，而背景取值为u1的概率是w1，而像素的总均值是u，那么根据方差的定义我们就能得出上式。当前景和背景的差别越大时，上式的值越大，也就是方差越大，那么错分的概率就越小。

在很多测试中，我们都发现：用大津法选的阈值，在各种情况的图像处理上都表现不错。尽管它在很多情况是都不是最佳分割，但它的分割质量还是有一定保障的，是一种比较稳定的分割法。因此，大津法也是一种常用分割算法。

3.4 灰度拉伸

当前景和背景对比度较小时，也就是灰度值差别不明显时，用大律法进行分割，就会产生令人无法接受的大面积黑色区域，甚至有可能会丢失整图信息。为了解决大律法的这个致命弱点，就有人提出将灰度拉伸应用于大律法中，即通过增加灰度级数来增强前景与背景的灰度差异值。常用的灰度拉伸法是将原来的灰度级乘上同一个系数，从而加大灰度级数。而当所乘系数是1时，就成了大津法。因此，可将大津法看成是该方法的一个特例。

在实际使用中，我们发现对不同的图像，乘以不同的拉伸系数时，会产生不同的分割效果。