基于MATLAB的图像阈值与区域分割研究

杨泽颖 张建生

摘 要：本文主要研究了全局阈值、Otsu阈值、迭代式阈值3种图像分割方法，并利用MATLAB对空间采样环境图像进行数值实现。通过对比全部的阈值分割，发现Otsu的分割方法更适合本文目标图像的分割。

关键词：图像分割;全局阈值;Otsu阈值;迭代式阈值

中图分类号：O411 文献标识码：A 文章编号：1003-5168（2019）02-0034-02

Research on Image Threshold and Region Segmentation Based on MATLAB

Abstract： In this paper， three image segmentation methods， global threshold， Otsu threshold and iterative threshold， were studied， and the spatial sampling environment image was numerically realized by using MATLAB. By comparing all thresholding methods， it is found that Otsu's segmentation method is more suitable for the target image segmentation in this paper.

Keywords： image segmentation;global threshold;Otsu threshold;iterative threshold

图像分割起源于20世纪60年代，其是图像处理、模式识别和人工智能等多个领域中尤为重要的课题，也是计算机视觉技术中首要的、重要的步骤。图像分割结果的质量直接影响读者对计算机视觉中的图像理解。目前，国内外学者已经提出了上千种图像分割算法，但仍没有一种适合于所有图像的通用的分割算法，绝大多数算法都是针对具体问题而提出的。在已提出的这些算法中，边缘检测算法是较为经典的算法。边缘检测算法是利用物体和背景在某种图像特性上的差异来实现图像的分割特征提取。

1 阈值与区域分割

1.1 全局阈值

阈值分割[1，2]通常是根据图像灰度直方图来进行具体阈值的选定。在数字图像中，一张图像通常只能选取一个阈值进行分割，这个阈值一般采用图像灰度范围中的一个常数，这种方法将一个图像转化成二值图像，具体体现为白色的背景和黑色的轮廓。对于物体和背景差别较大的图像来说，选取灰度直方图中两个峰值之间低谷处的像素值作为阈值进行分割，以此实现背景与目标轮廓的分割，其原理如式（1）所示。

[gx，y=1，fx，y>T0，fx，y≤T]                        （1）

式中，[g]表示分割图像;f表示原图的灰度图像;[T]表示选取的阈值。教学楼图像的直方图如图1所示。

从图1可知，图像的主要波谷只有一个。笔者选取图1波谷中灰度值为80作为阈值进行图像分割，使用MATLAB的数值实现如图2所示。

1.2 Otsu阈值分割

最大类间方差法，又称为Otsu算法，该算法是在灰度直方图的基础上采用最小二乘法原理推导出来的，具有统计意义上的最佳分割。它的基本原理为以最佳阈值将图像的灰度直方图分割成两部分，使两部分的方差取最大值，即分离性最大。

设[fx，y]为图像[IM×N]的灰度取值，灰度级别设为L，则[fx，y∈0，L-1]，若灰度级i的所有像素个数为[fi]，那么第i级灰度出现的概率为：

[pi=fiM×N]                              （1）

式中，[i=0，1，2，……，L-1]，且[i=0L-1pi=1]。

将图像中的像素按照灰度值用t阈值进行分割，划分为背景[C0]和目标[C1]，[C0]的灰度级为0～t-1，[C1]的灰度级为0～L-1。那么，其像素分别为[fx，y<t]和[fx，y≥t]。

背景[C0]和目标[C1]出现的概率分别为：

[ω0=i=0t-1pi]                                 （2）

[ω1=i=0t-1pi]                                 （3）

其中，[ω0+ω1=1]。

背景[C0]和目标[C1]的平均灰度分别为：

[μ0t=i=0t-1i×piω0]                        （4）

[μ0t=i=tL-1i×piω1]                        （5）

图像的总灰度均值为：

[μ=i=tL-1i×pi]                             （6）

[C0]與[C1]的类间方差为：

[δ2k=ω0μ-μ02+ω1μ-μ12]           （7）

k的取值在0～L-1变化，通过计算k值得方差[δ2k]最大值，此时所得的k值即为最优阈值。使用MATLAB软件进行数值实现，Otsu阈值分割图如图3所示。

1.3 迭代式阈值分割

迭代阈值法是阈值法图像分割中比较有效的方法，通过迭代的方法来求出分割的最佳阈值，具有一定的自适应性。迭代的具体步骤如下：①设定参数[T0]，并选择一个初始的估计阈值[T1];②用估计阈值[T1]将图像分为两部分，[G1>T1]和[G2≤T1];③分别计算[G1]和[G2]的平均像素灰度，并将平均灰度的均值作为一个新的阈值，记为[T2];④当[T2-T1>T0]，那么就将[T2]的值重新代入[T1]中，并在此进行阈值选取操作，否则，得到[T2]为最佳阈值选取。使用MATLAB进行数值实现，迭代式阈值分割图如图4所示。

2 结语

本文针对层次分明的环境图像，使用MATLAB软件进行图像分割的全局阈值法、Otsu阈值法、迭代阈值法在密集度不同的环境图上的数值实现。结果表明，这三类分割方法将目标图像分割成为明显的二值图像;Otsu方法与迭代式方法处理的效果近似于全局阈值为80的处理效果。通过对比全部的阈值分割，发现Otsu的分割方法更适合本文目标图像的分割。

参考文献：

[1] 张莉. 基于茶叶病斑的图像分割技术比较研究[J]. 数字技术与应用 ，2018（5）：76-78.

[2]李昂，史佳枫，苏静波，等.数字图像技术在锦屏复杂岩体中的应用[J].河南科学，2018（36）：1966-1972.