几种常用图像分割算法自适应性的分析比较

汤朋文 陶华敏 肖山竹 方求

摘要：本文重点研究全局阈值分割、Otsu阈值分割、最小误差阈值分割三种图像分割算法的自适应能力，通过matlab仿真，对比三种图像分割算法的分割结果。实验表明，当物体和背景像素的灰度分布不是很明显时，Otsu阈值分割要比全局阈值分割的自适应能力强，当光照不均匀，物体和背景的光照差异较大时，最小误差阈值分割要比Otsu阈值分割的自适应能力强。

关键词：自适应 图像分割 全局阈值分割 Otsu阈值分割 最小误差阈值分割

中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2016）05-0000-00

由于阈值处理直观、实现简单、计算速度快，且便于理解，因此阈值处理在图像分割领域得到了广泛的研究与应用。现已有很多种阈值分割算法，下面简要介绍全局阈值法[1]、最大类间方差法[2] （Otsu 法）和最小误差法[3]，对比算法的自适应能力。

1 全局阈值分割

当物体和背景的灰度分布很明显时，可以使用对于整个图像的全局阈值来分割图像。全局阈值分割算法是一个迭代的过程，具体如下：

（1）为全局阈值T选择一个初始估计值。

（2）用T分割该图像，这将产生两组像素：G1由灰度值大于T的所有像素组成，G2由所有小于等于T的像素组成。

（3）对G1和G2的像素分别计算平均灰度值m1和m2。

（4）计算一个新的阈值：

T = （m1+m2）/2

（5）重复步骤（2）到（4），直到连续迭代中的T值间的差小于一个预定义的参数△T为止。

2 Otsu阈值分割

当物体和背景的灰度分布不是很明显时，可以使用Otsu阈值法对于整个图像进行分割。Otsu阈值法根据像素灰度值将图像分割成两种类型和类。2006年，Ng等文献[4]提出了强调最佳阈值位于谷底的Otsu阈值分割改进算法，其目标函数为：

其中为灰度图像中灰度值为的像素点出现的概率，为和两类的类间方差，和为和各自分布的概率， 和为和各自分布的均值。因此，最佳阈值为：

3 最小误差阈值分割

4 实验与分析

MATLABf仿真结果1。如图1所示，原图显示了聚合细胞的光学显微镜图像；由于细胞和背景的灰度分布不明显，全局阈值分割出的细胞整体都很模糊；Otsu阈值分割出的细胞整体比较清晰完整，但细胞边缘有些扩散；最小误差阈值分割出的细胞整体很清晰完整，细胞边缘轮廓很清晰；

MATLABf仿真结果2。如图2所示，原图显示了可见光拍摄的房屋图像；由于屋顶的光照反射不均匀，全局阈值分割出的屋顶没有细节信息；Otsu阈值分割出的屋顶也没有细节信息；最小误差阈值分割出的屋顶整体很清晰完整，屋顶边缘轮廓很清晰；

5 结语

本文重点研究全局阈值分割、Otsu阈值分割、最小误差阈值分割三种图像分割算法的自适应能力，实验表明，当物体和背景像素的灰度分布不是很明显时，Otsu阈值分割要比全局阈值分割的自适应能力强，当光照不均匀，物体和背景的光照差异较大时，最小误差阈值分割要比Otsu阈值分割的自适应能力强。

参考文献

[1]Rafael C. Gonzalez，Richard E. Woods. Digital Image Processing，Third Edition[M].电子工业出版社，2013：762-770.

[2] Otsu N. A threshold selection method from gray-level histograms[J]. Automatica， 1975， 11（285-296）：23-27.

[3] Kittler J， Illingworth J. Minimum error thresholding[J]. Pattern recognition， 1986， 19（1）：41-47.

[4]Ng HF.Automatic thresholding for defect detection[J]. Pattern Recognition Letters，2006，27（14）： 1644-1649.

[5] 汪启伟.图像直方图特征及其应用研究[D].中国科学技术大学，2014.

[6] 龙建武.图像阈值分割关键技术研究[D].吉林大学，2014.