一種基于灰度直方圖的閾值分割算法的研究

周曉寧++郝建敏++陳悅

摘要：采用合理的圖像增強和圖像分割技術(shù)，可以幫助人們辨識出原始圖像中肉眼無法識別的目標物。模型算法主要通過對目標物的顏色特征的統(tǒng)計分析，可以實現(xiàn)對衛(wèi)星圖像中目標物的識別分割?，F(xiàn)在已經(jīng)出現(xiàn)了許多圖像分割算法，可以用于各種用途。本文基于灰度直方圖的閾值分割法進行目標物的分割，從算例結(jié)果看出，該算法計算簡單，分割效果較好，具有一定的實際應(yīng)用價值，可為相關(guān)圖像處理工作提供借鑒。

關(guān)鍵詞：圖像增強 圖像分割 灰度直方圖 閾值

中圖分類號：TP37 文獻標識碼：A 文章編號：1007-9416（2016）10-0131-01

1 引言

數(shù)字圖像是獲取、表達和傳遞信息的重要手段之一。雖然人眼具有很高的識別能力，可辨認出原始圖像中的上千種顏色、各種不同物體的輪廓和形態(tài)。但由于人眼的生理限制或目標物體本身的一些特性，有時難以對圖像中特定目標物進行準確識別。因此，需要采用合理的圖像增強和圖像分割技術(shù)來輔助識別。

計算機表示和存儲圖像時，可用二維數(shù)組來表示數(shù)字圖像，數(shù)組的每個元素被稱為像素，像素的計數(shù)值又被稱為灰度值[1]。數(shù)字圖像可以分為二值圖像、索引圖像、灰度圖像和真彩色圖像等幾種基本類型。當圖像的色彩比較復雜時，常使用彩色圖像來表示。每個像素用紅（R）、綠（G）、藍（B）三個通道的值來分別表示。單個通道中每個像素點的值的取值為0～255。0表示黑色，255表示白色，中間從小到大的數(shù)值分別表示由黑到白的過渡灰度[2]。灰度直方圖反映的是就是圖像灰度和該灰度出現(xiàn)概率之間的關(guān)系。

本文首先針對原始數(shù)字圖像進行灰度等級直方圖處理，然后通過直方圖均衡化使其在某一灰度范圍內(nèi)有更好的對比度；接著分析目標物（被分割對象）和背景（下墊面）的顏色特征，統(tǒng)計比較目標物與背景的閾值；最后建立閾值分割算法，從而實現(xiàn)對目標物的識別[3]。

2 算法模型

步驟I：原始圖像的灰度直方圖處理。

設(shè)變量r代表圖像中像素點的灰度值，并進行歸一化處理，將其歸一化到[0，1]范圍之內(nèi)。由于圖像中每個像素的灰度取值可能是任意的，即r是一個隨機變量，原始圖像的灰度分布可用概率分布函數(shù)p（rk）來表示[2]：

其中，rk是第k個灰度等級，nk是在rk灰度等級的像素數(shù)，N是圖像中像素總數(shù)，L為圖像的灰度值。在笛卡爾坐標系中這種關(guān)系圖即表現(xiàn)為原始圖像的灰度直方圖。

步驟II：灰度直方圖均衡化的圖像增強處理。

為增加原始圖像的對比度，可通過直方圖均衡化處理，使圖像細節(jié)更清晰，提高目標物的識別度。直方圖均衡化的主要思想是對圖中像素個數(shù)多的灰度等級進行拉伸，而對像素個數(shù)少的灰度等級進行壓縮，動態(tài)拓展原始圖像灰度等級的范圍，增加對比度和灰度色調(diào)，達到使圖像更清晰的目的。

通過累積分布函數(shù)（Cumulative Distribution Function，CDF）可實現(xiàn)圖像的原始灰度分布與增強后的灰度值的轉(zhuǎn)換：

上述2-2式的求和區(qū)間為0到k。

通過上述公式，可將原始圖像的灰度值rk直方圖均衡化轉(zhuǎn)換為Sk，完成圖像增強處理。

步驟III：分析目標物和背景的特征（特征向量），使用閾值法進行圖像分割，實現(xiàn)目標物識別。

設(shè)C（R，G，B）為物體在彩色圖像中的任意一點，則對應(yīng)的RGB三個通道特征向量為：

式中是RGB三通道灰度值的平均值，與圖像的亮度成正比，是圖像的亮度特征。

統(tǒng)計得到不同目標物體的顏色特征向量：

通過判斷比較目標物體的顏色特征與閾值的大小，即可實現(xiàn)對目標物的分割。

3 算例實驗

針對樣例衛(wèi)星數(shù)據(jù)。首先對原始的單通道數(shù)據(jù)值進行讀取和轉(zhuǎn)換，進行原始圖像的灰度直方圖處理。通過反色及灰度直方圖均衡化，對原始圖像進行增強處理；然后進行RGB通道組合構(gòu)成真彩色圖像；對圖像中的任意像素點構(gòu)建RGB特征向量，比較與閾值的大小，實現(xiàn)對目標物（云）的圖像分割（圖略）。通過對連續(xù)一個月的數(shù)據(jù)檢驗，本文的算法在白天對目標物（云）和背景（晴空）的進行了比較理想的分割，準確率可達80%以上，分割效果較好。

4 結(jié)語

綜上看出，本文所提出的模型算法主要通過對目標物的顏色特征的統(tǒng)計分析，可以實現(xiàn)對衛(wèi)星圖像中目標物的識別分割?，F(xiàn)在已經(jīng)出現(xiàn)了許多圖像分割算法，可以用于各種用途。但是，對于圖像分割的問題仍然沒有統(tǒng)一的解決方案，這一技術(shù)和相關(guān)領(lǐng)域知識往往要緊密結(jié)合，從而為更有效的解決圖像分割領(lǐng)域。通過各種新理論和新技術(shù)結(jié)合，圖像分割方法將不斷取得突破和進展，分割結(jié)果更加高效、精確。

參考文獻

[1]陳炳權(quán)，劉宏立，孟凡斌.數(shù)字圖像處理技術(shù)的現(xiàn)狀及其發(fā)展方向[J].吉首大學學報（自然科學版），2009.1：63-65.

[2]萬玲，馬興.數(shù)字圖像處理的方法與應(yīng)用[J].科技信息，2010.23：590，635.

[3]張姍姍.基于直方圖均衡化的數(shù)字圖像增強技術(shù)[J].電腦編程技巧與維護，2015.21：77-78.

收稿日期：2016-09-01

作者簡介：周曉寧（1980—），女，江蘇南京人，研究生，講師，研究方向：圖像處理相關(guān)算法研究。