淺談圖像閾值分割技術(shù)

楊修國

（陜西工業(yè)職業(yè)技術(shù)學(xué)院 電氣工程學(xué)院，陜西 咸陽 712000）

通過所來研究，關(guān)于圖像處理方法近100多種[1]，閾值法是一種傳統(tǒng)的圖像分割方法，因其實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)．已被應(yīng)用于很多的領(lǐng)域，本文通過對(duì)閾值分割的分析研究，為今后在處理關(guān)于圖像分割問題提供參考方法和依據(jù)。

1 閾值分割

圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像中要提取的目標(biāo)區(qū)域與其背景在灰度特性上的差異，把圖像看作具有不同灰度級(jí)的兩類區(qū)域（目標(biāo)區(qū)域和背景區(qū)域）的組合，選取一個(gè)比較合理的閾值，以確定圖像中每個(gè)像素點(diǎn)應(yīng)該屬于目標(biāo)還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像[2]。

閾值分割法的特點(diǎn)是：適用于目標(biāo)與背景灰度有較強(qiáng)對(duì)比的情況，重要的是背景或物體的灰度比較單一，而且總可以得到封閉且連通區(qū)域的邊界。

1.1 圖像二值化

設(shè)原始圖像 f（x，y），以一定的準(zhǔn)則在 f（x，y）中找出一個(gè)合適的灰度值，作為閾值 t，則分割后的圖像 g（x，y），可由下式表示：

另外，還可以將閾值設(shè)置為一個(gè)灰度范圍[t1，t2]，凡是灰度在范圍內(nèi)的像素都變?yōu)?，否則皆變?yōu)?，即：

某種特殊情況下，高于閾值t的像素保持原灰度級(jí)，其他像素都變?yōu)?，稱為閾值法，分割后的圖像可表示為：

1.2 閾值分割圖像的基本原理

閾值分割圖像的基本原理可用下式表示：

其中，f（x，y）表示原始圖像，g（x，y）為分割后的圖像，T 為閾值。

閾值的選取時(shí)是閾值分割技術(shù)的關(guān)鍵，如果過高，則過多的目標(biāo)點(diǎn)被誤歸為背景，使得目標(biāo)區(qū)域受損[3]；如果閾值過低，則會(huì)出現(xiàn)相反的情況。由此可見，閾值分割算法主要有2個(gè)步驟：

1）首先，確定一個(gè)合理的分割閾值；

2）其次，根據(jù)確定的閾值與像素值進(jìn)行比較，對(duì)圖像的像素進(jìn)行劃分。

在利用閾值方法來分割灰度圖像時(shí)一般都對(duì)圖像有一定的假設(shè)。基于一定的圖像模型的。最常用的模型：假設(shè)圖像由具有單峰灰度分布的目標(biāo)和背景組成，處于目標(biāo)或背景內(nèi)部相鄰像素間的灰度值是高度相關(guān)的，但處于目標(biāo)和背景交界處兩邊的像素在灰度值上有很大的差別[4]。如果一幅圖像滿足這些條件，它的灰度直方圖基本上可看作是由分別對(duì)應(yīng)目標(biāo)和背景的兩個(gè)單峰直方圖混合構(gòu)成的[5]。

2 基于閾值的分割

2.1 閾值分割方法定義

基于閾值的分割方法是一種應(yīng)用十分廣泛的圖像分割技術(shù)。所謂閾值分割方法的實(shí)質(zhì)是利用圖像的灰度直方圖信息得到用于分割的閾值[6]。它是用一個(gè)或幾個(gè)閾值將圖像的灰度級(jí)分為幾個(gè)部分，認(rèn)為屬于同一個(gè)部分的像素是同一個(gè)物體。它不僅可以極大的壓縮數(shù)據(jù)量，而且也大大簡(jiǎn)化了圖像信息的分析和處理步驟[7]。因此，在很多情況下，是進(jìn)行圖像分析、特征提取與模式識(shí)別之前必要的圖像預(yù)處理過程。它特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像。閾值分割方法的最大特點(diǎn)是計(jì)算簡(jiǎn)單，運(yùn)算效率高，在重視運(yùn)算效率的應(yīng)用場(chǎng)合，它得到了廣泛的應(yīng)用[8]。

最佳全局閾值確定的常用方法一般有下面幾種：試驗(yàn)法、直方圖法和最小誤差法（這種方法假設(shè)背景和前景的灰度分布都是正態(tài)分布的）。當(dāng)光照不均勻、有突發(fā)噪聲，或者背景灰度變化比較大時(shí)，整幅圖像分割將沒有合適的單一門限，因?yàn)閱我坏拈撝挡荒芗骖檲D像各個(gè)像素的實(shí)際情況。這時(shí)，可對(duì)圖像按照坐標(biāo)分塊，對(duì)每一塊分別選一閾值進(jìn)行分割。這種與坐標(biāo)相關(guān)的閾值稱為動(dòng)態(tài)閾值方法，也稱為自適應(yīng)閾值方法。這類方法的時(shí)間和空間復(fù)雜度比較大，但是抗噪聲能力比較強(qiáng)，對(duì)采用全局閾值不容易分割的圖像有較好的效果。自適應(yīng)閾值選取的比較簡(jiǎn)單的方法是對(duì)每一個(gè)像素確定以它為中心的一個(gè)鄰域窗口，計(jì)算窗口內(nèi)像素的最大和最小值，然后取它們的均值作為閾值。

2.2 閾值分割的描述

設(shè)（x，y）是二維數(shù)字圖像的平面坐標(biāo)，圖像灰度級(jí)的取值范圍是 G={0，1，2，…L-1}（習(xí)慣上 0代表最暗的像素點(diǎn)，L-1代表最亮的像素點(diǎn)），位于坐標(biāo)點(diǎn)（x，y）上的像素點(diǎn)的灰度級(jí)表示為 f（x，y）。 設(shè) t∈G 為分割閾值，B={b0，b1}代表一個(gè)二值灰度級(jí)，并且 b0，b1∈B。于是圖像函數(shù) f1（x，y）在閾值 t上的分割結(jié)果可以表示為：

閾值分割法實(shí)際就是按某個(gè)準(zhǔn)則函數(shù)求最優(yōu)閾值t的過程。閾值一般可寫成如下的形式：

其中 f（x，y）是在像素點(diǎn)（x，y）處的灰度值，p（x，y）是該點(diǎn)鄰域的某種局部性質(zhì)。

2.3 閾值分割方法的分類

通過上文的討論，結(jié)合所給公式，可以將閾值分割方法分為以下3類：

1）全局閾值：T=T[p（x，y）]，即僅根據(jù) f（x，y）來選取閾值，閾值僅與各個(gè)圖像像素的本身性質(zhì)有關(guān)。

2）局部閾值：T=T[f（x，y），p（x，y）]，閾值與圖像像素的本身性質(zhì)和局部區(qū)域性質(zhì)相關(guān)。

3）動(dòng)態(tài)閾值：T=T[x，y，f（x，y），p（x，y）]，閾值與像素坐標(biāo)，圖像像素的本身性質(zhì)和局部區(qū)域性質(zhì)相關(guān)。

全局閾值對(duì)整幅圖像僅設(shè)置一個(gè)分割閾值，通常在圖像不太復(fù)雜、灰度分布較集中的情況下采用；局部閾值則將圖像劃分為若干個(gè)子圖像，并對(duì)每個(gè)子圖像設(shè)定局部閾值；動(dòng)態(tài)閾值是根據(jù)空間信息和灰度信息確定。局部閾值分割法雖然能改善分割效果，但存在幾個(gè)缺點(diǎn)：

1）每幅子圖像的尺寸不能太小，否則統(tǒng)計(jì)出的結(jié)果無意義。

2）每幅圖像的分割是任意的，如果有一幅子圖像正好落在目標(biāo)區(qū)域或背景區(qū)域，而根據(jù)統(tǒng)計(jì)結(jié)果對(duì)其進(jìn)行分割，也許會(huì)產(chǎn)生更差的結(jié)果。

3）局部閾值法對(duì)每一幅子圖像都要進(jìn)行統(tǒng)計(jì)，速度慢，難以適應(yīng)實(shí)時(shí)性的要求。

全局閾值分割方法在圖像處理中應(yīng)用比較多，它在整幅圖像內(nèi)采用固定的閾值分割圖像。考慮到全局閾值分割方法應(yīng)用的廣泛性，本文重點(diǎn)討論全局閾值分割方法。

2.4 閾值分割的特點(diǎn)

1）對(duì)于物體與背景有較強(qiáng)對(duì)比的圖像分割特別有效；

2）計(jì)算簡(jiǎn)單；

3）總能用封閉而且連通的邊界定義不交疊的區(qū)域；

4）具有并行性；

5）可以推廣到非灰度特征，如果物體同背景的區(qū)別不在灰度值，而是其他特征，如紋理等，可以先計(jì)算那種特征，再轉(zhuǎn)化為灰度圖，然后就可以利用閾值分割技術(shù)。

3 結(jié) 論

閾值分割法是一種傳統(tǒng)的圖像分割方法，因其實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)．已被應(yīng)用于很多的領(lǐng)域。。圖像閾值化分割是一種最常用，同時(shí)也是最簡(jiǎn)單的圖像分割方法，它不僅可以極大的壓縮數(shù)據(jù)量，而且也大大簡(jiǎn)化了分析和處理步驟，因此在很多情況下，是進(jìn)行圖像分析、特征提取與模式識(shí)別之前的必要的圖像預(yù)處理過程。圖像閾值化的目的是要按照灰度級(jí)，對(duì)像素集合進(jìn)行一個(gè)劃分，得到的每個(gè)子集形成一個(gè)與現(xiàn)實(shí)景物相對(duì)應(yīng)的區(qū)域，各個(gè)區(qū)域內(nèi)部具有一致的屬性，而相鄰區(qū)域布局有這種一致屬性。這樣的劃分可以通過從灰度級(jí)出發(fā)選取一個(gè)或多個(gè)閾值來實(shí)現(xiàn)。

[1]Canny J.A computational approach for edge detection[J].IEEETrans.PatternAnal.MachineIntell.，2005，8（6）：679-698.

[2]Salloo P K.A survey of thresholding techniques[J].Computer，Graphics and Image Prosssing，1993（41）:233-260.

[3]章毓晉.圖象分割[M].北京：科學(xué)出版社，2001.

[4]吳薇.圖像處理中的模糊技術(shù)[J].現(xiàn)代電子技術(shù)，2001（3）:28-30.WU Wei.Fuzzy technology inimage processing[J].Modern Electronic Technique，2001（3）:28-30.

[5]蔣曉瑜，何東亮，汪熙.基于圖像處理的自動(dòng)目標(biāo)識(shí)別和跟蹤算法初探[J].火力與指揮控制，2006（1）：15-18.JIANG Xiao-yu，HE Dong-liang，WANG Xi.Based on image processing automatic target recognition and tracking algorithm for[J].Fire Command and Control，2006（1）：15-18.

[6]趙榮椿.圖像分割技術(shù)進(jìn)展 [J].中國體視學(xué)與圖像分析，1998， 3（2）:121-128.ZHAO Rong-chun.Image segmentation[J].Chinese Technology ProgressofStereologyandImageanalysis，1998，3（2）:121-128.

[7]王秋讓.基于自動(dòng)門限化的圖像分割以目標(biāo)提取方法研究[D].西安：西北工業(yè)大學(xué)，2008.

[8]耿楠，黨革榮，何東健，等.判別分析法確定最佳閾值的快速算法 [J].西北農(nóng)林科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2001（6）：119-121.GENG Nan，DANG Ge-rong，HE Dong-jian.Discriminant analysis method to determine the best threshold of rapid algorithm[J].Journal of Northwest Agriculture and Forestry University：Natural Science Edition，2001（6）：119-121.