一种基于灰度直方图的阈值分割算法的研究
2017-04-01周晓宁郝建敏陈悦
周晓宁++郝建敏++陈悦
摘要:采用合理的图像增强和图像分割技术,可以帮助人们辨识出原始图像中肉眼无法识别的目标物。模型算法主要通过对目标物的颜色特征的统计分析,可以实现对卫星图像中目标物的识别分割。现在已经出现了许多图像分割算法,可以用于各种用途。本文基于灰度直方图的阈值分割法进行目标物的分割,从算例结果看出,该算法计算简单,分割效果较好,具有一定的实际应用价值,可为相关图像处理工作提供借鉴。
关键词:图像增强 图像分割 灰度直方图 阈值
中图分类号:TP37 文献标识码:A 文章编号:1007-9416(2016)10-0131-01
1 引言
数字图像是获取、表达和传递信息的重要手段之一。虽然人眼具有很高的识别能力,可辨认出原始图像中的上千种颜色、各种不同物体的轮廓和形态。但由于人眼的生理限制或目标物体本身的一些特性,有时难以对图像中特定目标物进行准确识别。因此,需要采用合理的图像增强和图像分割技术来辅助识别。
计算机表示和存储图像时,可用二维数组来表示数字图像,数组的每个元素被称为像素,像素的计数值又被称为灰度值[1]。数字图像可以分为二值图像、索引图像、灰度图像和真彩色图像等几种基本类型。当图像的色彩比较复杂时,常使用彩色图像来表示。每个像素用红(R)、绿(G)、蓝(B)三个通道的值来分别表示。单个通道中每个像素点的值的取值为0~255。0表示黑色,255表示白色,中间从小到大的数值分别表示由黑到白的过渡灰度[2]。灰度直方图反映的是就是图像灰度和该灰度出现概率之间的关系。
本文首先针对原始数字图像进行灰度等级直方图处理,然后通过直方图均衡化使其在某一灰度范围内有更好的对比度;接着分析目标物(被分割对象)和背景(下垫面)的颜色特征,统计比较目标物与背景的阈值;最后建立阈值分割算法,从而实现对目标物的识别[3]。
2 算法模型
步骤I:原始图像的灰度直方图处理。
设变量r代表图像中像素点的灰度值,并进行归一化处理,将其归一化到[0,1]范围之内。由于图像中每个像素的灰度取值可能是任意的,即r是一个随机变量,原始图像的灰度分布可用概率分布函数p(rk)来表示[2]:
其中,rk是第k个灰度等级,nk是在rk灰度等级的像素数,N是图像中像素总数,L为图像的灰度值。在笛卡尔坐标系中这种关系图即表现为原始图像的灰度直方图。
步骤II:灰度直方图均衡化的图像增强处理。
为增加原始图像的对比度,可通过直方图均衡化处理,使图像细节更清晰,提高目标物的识别度。直方图均衡化的主要思想是对图中像素个数多的灰度等级进行拉伸,而对像素个数少的灰度等级进行压缩,动态拓展原始图像灰度等级的范围,增加对比度和灰度色调,达到使图像更清晰的目的。
通过累积分布函数(Cumulative Distribution Function,CDF)可实现图像的原始灰度分布与增强后的灰度值的转换:
上述2-2式的求和区间为0到k。
通过上述公式,可将原始图像的灰度值rk直方图均衡化转换为Sk,完成图像增强处理。
步骤III:分析目标物和背景的特征(特征向量),使用阈值法进行图像分割,实现目标物识别。
设C(R,G,B)为物体在彩色图像中的任意一点,则对应的RGB三个通道特征向量为:
式中是RGB三通道灰度值的平均值,與图像的亮度成正比,是图像的亮度特征。
统计得到不同目标物体的颜色特征向量:
通过判断比较目标物体的颜色特征与阈值的大小,即可实现对目标物的分割。
3 算例实验
针对样例卫星数据。首先对原始的单通道数据值进行读取和转换,进行原始图像的灰度直方图处理。通过反色及灰度直方图均衡化,对原始图像进行增强处理;然后进行RGB通道组合构成真彩色图像;对图像中的任意像素点构建RGB特征向量,比较与阈值的大小,实现对目标物(云)的图像分割(图略)。通过对连续一个月的数据检验,本文的算法在白天对目标物(云)和背景(晴空)的进行了比较理想的分割,准确率可达80%以上,分割效果较好。
4 结语
综上看出,本文所提出的模型算法主要通过对目标物的颜色特征的统计分析,可以实现对卫星图像中目标物的识别分割。现在已经出现了许多图像分割算法,可以用于各种用途。但是,对于图像分割的问题仍然没有统一的解决方案,这一技术和相关领域知识往往要紧密结合,从而为更有效的解决图像分割领域。通过各种新理论和新技术结合,图像分割方法将不断取得突破和进展,分割结果更加高效、精确。
参考文献
[1]陈炳权,刘宏立,孟凡斌.数字图像处理技术的现状及其发展方向[J].吉首大学学报(自然科学版),2009.1:63-65.
[2]万玲,马兴.数字图像处理的方法与应用[J].科技信息,2010.23:590,635.
[3]张姗姗.基于直方图均衡化的数字图像增强技术[J].电脑编程技巧与维护,2015.21:77-78.
收稿日期:2016-09-01
作者简介:周晓宁(1980—),女,江苏南京人,研究生,讲师,研究方向:图像处理相关算法研究。