数字图像阈值分割研究与应用

余博文

（武汉工程大学，湖北 武汉 430205）

1 数字图像阈值分割

数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像[1]。

阈值分割是一种常用的图像分割方法，它主要利用图像中要提取的目标物与其背景在灰度特性上的差异，通过设置合适的灰度阈值，将图像的灰度划分为两个或多个灰度区间，以确定有意义的区域或分割物体的边界[2]。

阈值分割完成后，像素坐标点（x，y）处的像素值～f（x，y）为：

式中f（x，y）表示颜色空间某通道的值，T 表示阈值。当存在两个以上灰度阈值时，式（1）变为：

2 RGB 颜色空间的阈值分割

2.1 RGB 颜色空间

RGB 颜色空间是由R、G、B 三个分量组成的,每个分量的比特数表示了该分量的像素深度[3]。RGB 颜色空间作为最基础的颜色模型，对图像颜色的产生是最为理想的,但是对颜色的描述还有一定的缺陷。第一，使用RGB 颜色空间对不同的颜色进行定量分析较为困难。第二,合成的图像颜色饱和度较低,视觉效果差。第三,由于色调、饱和度与三原色之间是非线性的,对图像进行分析处理较难。

2.2 RGB 颜色空间的阈值分割

由于RGB 颜色空间对颜色的描述还有一定的缺陷，通常对RGB 颜色空间的阈值分割需要先进行图像灰度化处理，一般会用到灰度转换公式Gray=R*0.299+G*0.587+B*0.114。但这种灰度转换会对图像颜色信息造成部分丢失，红色（76,0,0）、绿色（0,39,0）、蓝色（0,0,200）经灰度转换公式转换后得到的灰度值均为23。这表明这种灰度转换法确实对图像信息造成部分丢失。

3 HSV 颜色空间的阈值分割

3.1 HSV 颜色空间

HSV 颜色空间的模型是根据颜色的直观特性创建的一种圆锥模型，不同于RGB 颜色空间中的每个分量都代表一种颜色，HSV 颜色空间中每个分量并不代表一种颜色，而分别是：色调（H），饱和度（S）亮度（V）[4]。H 分量是代表颜色特性的分量，代表人眼所能感知的颜色范围。S 分量代表颜色的饱和信息，指色彩的鲜艳程度，也叫饱和度。V 分量代表明暗信息，指的是色彩的亮度，作用是控制色彩的明暗变化。

3.2 HSV 颜色空间的阈值分割

由于HSV 颜色空间H 通道对色调表达效果较好，因此简单的HSV 颜色空间的阈值分割仅通过H 通道的阈值设定就可以完成。H 通道范围经过数据压缩由0～360 转换到0～255,经测量发现红色（76,0,0）像素与黑色（0,0,0）像素的H 通道值都为0，因此中H 通道值为0 的像素占比较高，绿色（0,39,0）像素的H通道值为85，蓝色（0,0,200）像素的H 通道像素值为170。因此只需对H 通道进行阈值分割就能得到较好的分割效果。

4 航拍图像病树分割应用

4.1 RGB 颜色空间的航拍图像分析

航拍图像为了清晰的表现地理形态，通常图像像素较高、细节丰富、内容复杂，图像中除了目标病树，包含大量健康树，还含有部分颜色近似于目标病树的梯田土壤，导致基于RGB 颜色空间选取的阈值不能很好的分离开目标区域与背景区域，因此考虑使用HSV 颜色空间选择阈值。

4.2 HSV 颜色空间的航拍图像病树分割

HSV 颜色空间仅H 分量就已经包括人眼所能感知的颜色范围，病树呈现的颜色分布于红黄色之间，对应于HSV 颜色空间H 分量的0 度到60 度之间，在数据集中随机选取病树中心提取分析H 通道数值，可以发现，病树H 通道数值随机分布在9到35 度，设定9 到35 度为H 通道阈值，对数据集进行过滤后结果如图2 所示。

观察图1 可以发现土壤、梯田等地方因为H 通道数值与病木近似，并未被阈值分割法过滤掉，分别提取病木中心和土壤梯田中心HSV 颜色通道值进行分析，可以发现，在土壤、梯田这种开阔的地方，HSV 颜色空间的H 通道值和S 通道值分布都近似于病树，而代表亮度的V 通道分布明显不同于病树，这表明可以利用病树V 通道值作为阈值对数据集进行再次过滤。同样在数据集中随机选取病树中心提取分析V 通道数值，可以发现，病树V 通道数值随机分布在29 到41 之间。设定29 到41 为V 通道阈值，结合H 通道9 到35 度的阈值，对数据集进行过滤，然后与仅过滤H 通道的结果相比较，如图2 所示。

图1 航拍图像H 通道阈值过滤结果

图2 航拍图像HV 通道阈值过滤结果

图2 中上图即同时过滤HV 通道图，下图即仅过滤H 通道图，对比同时过滤HV 通道图和仅过滤H 通道图，可以发现土壤、梯田等干扰元素大部分已被过滤，剩下的前景像素为阈值分割得到的病树区域。

5 结论

本文主要研究介绍了数字图像在RGB 颜色空间和HSV 颜色空间阈值分割技术，通过原理和实际应用分析RGB 颜色空间阈值分割的不足，论述了HSV 颜色空间阈值分割的优势。本文选取航拍图像用于试验，将图像中病树作为识别目标颜色。首先确定了目标颜色（病树中心的颜色）在HSV 色彩空间中H 通道的取值范围，通过H 通道分割结果分析得出单通道阈值分割的不足，再加入V 通道过滤规则，最终得到质量较高的阈值分割病树区域图像。本研究对复杂数字图像的阈值分割还有很大的改进余地，可进一步提高算法的正确率和速度。