第5章圖像分割（2）5.3閾值處理

閾值處理具有直觀、實(shí)現(xiàn)簡(jiǎn)單且計(jì)算速度快，因此圖像閾值處理在圖像分割應(yīng)用中處于核心地位。1基礎(chǔ)知識(shí)

（1）單閾值分割思考題：如何尋找閾值？

（2）多閾值分割

（3）門限處理的分類A、全局門限處理

T僅取決于f(x,y)，即僅取決于灰度級(jí)值。B、局部門限處理（或區(qū)域門限處理）

T取決于f(x,y)和p(x,y)。C、動(dòng)態(tài)（自適應(yīng)）門限處理

T取決于空間坐標(biāo)x和y。局部門限處理和動(dòng)態(tài)門限處理統(tǒng)稱為可變閾值處理f(x,y)是點(diǎn)(x,y)的灰度級(jí)，p(x,y)表示點(diǎn)(x,y)的局部性質(zhì)。

（4）影響全局閾值分割的因素影響波谷特性的關(guān)鍵因素：A、波峰間的間隔（波峰離得越遠(yuǎn)，分離這些模式的機(jī)

會(huì)越好）；B、圖像中的噪聲內(nèi)容（模式隨噪聲的增加而展寬）；C、物體和背景的相對(duì)尺寸；D、光源的均勻性；E、圖像反射特性的均勻性。

閾值分割的成功與否直接取決于波谷的深度與寬度。2噪聲和照明不均勻?qū)﹂撝堤幚淼挠绊懀?）噪聲的影響（2）照明不均勻和反射的影響三種基本解決方法：（1）直接校正這種陰影模式（2）形態(tài)學(xué)頂帽變換校正全局陰影。（3）使用可變閾值近似處理非均勻性。3基本全局門限處理改進(jìn)：基于直方圖的方法可以加快算法的速度。4用Ostu方法的最佳全局閾值處理閾值處理可視為統(tǒng)計(jì)決策理論問題，其目的是在把像素分配給兩組或多組的過程中引入的平均誤差最小。即Bayes決策規(guī)則。前提條件：每類的概率及概率密度函數(shù)。

另一種方法在類間方差最大的情況下是最佳的。即Ostu方法。類間方差最大意味著類間分離程度最好。Ostu方法只需要直方圖就能運(yùn)行。（1）歸一化直方圖（2）累積直方圖（3）平均灰度值和累加均值（4）k處“閾值”質(zhì)量、全局方差、類間方差（5）最佳閾值（6）Ostu算法步驟A、計(jì)算輸入圖像的歸一化直方圖。B、計(jì)算累積直方圖P1(k)。C、計(jì)算累積均值m(k)和全局均值。D、計(jì)算類間方差。E、類間方差最大時(shí)所對(duì)應(yīng)的k值，即是Ostu的閾值。若最

大值不唯一，用各最大值的平均值作為閾值。F、在閾值處計(jì)算可分性度量。5用圖像平滑改善全局閾值處理6利用邊緣改進(jìn)全局閾值處理（1）基本思想如果直方圖的尖峰很高、很窄、具有對(duì)稱性且被很深的波谷割開，則門限處理就具有非常好的效果。一種改進(jìn)直方圖形狀的方法是只考慮邊緣附近的像素，使得直方圖對(duì)于對(duì)象和背景大小的依賴性變小。另外，使用某些簡(jiǎn)單度量的像素會(huì)趨向于加深直方圖尖峰之間的波谷，如梯度和拉普拉斯算子。拉普拉斯算子更有利。（2）算法步驟

A、計(jì)算一幅邊緣圖像（梯度幅值圖像或拉普拉斯絕對(duì)值圖像）。B、指定一個(gè)閾值。C、對(duì)邊緣圖像進(jìn)行閾值化，得到“強(qiáng)邊緣”二值圖像gT(x,y)。D、僅用f(x,y)中對(duì)應(yīng)gT(x,y)中像素值為1的像素計(jì)算直方圖。E、用Ostu方法計(jì)算全局閾值，分割f(x,y)。（3）其他方法

A、對(duì)圖像分別進(jìn)行梯度運(yùn)算和拉普拉斯運(yùn)算；（局部運(yùn)算）

B、由梯度圖計(jì)算門限T；

C、生成三級(jí)圖像：

D、進(jìn)行掃描，標(biāo)記目標(biāo)和對(duì)象。

(…)(-,+)(0,或+)(+,-)(…)7多閾值處理8可變閾值處理（1）圖像分塊

不均勻亮度等成像因素會(huì)造成單一全局門限無法有效分割。另一種改進(jìn)措施是將圖像進(jìn)一步細(xì)分為子圖像，并對(duì)不同的子圖像使用不同的門限進(jìn)行分割。你有什么其它的改進(jìn)方法？（2）基于局部圖像特性的可變閾值處理

圖像的每一個(gè)像素點(diǎn)計(jì)算一個(gè)閾值，該閾值是以一個(gè)或多個(gè)鄰域計(jì)算的特性為基礎(chǔ)。（3）使用移動(dòng)平均

圖像的每一個(gè)像素點(diǎn)計(jì)算一個(gè)閾值，該閾值是以一個(gè)或多個(gè)鄰域計(jì)算的特性為基礎(chǔ)。9多變量域值處理

補(bǔ)充材料：一種快速穩(wěn)健的指紋圖像分割方法1、3×3均值濾波的效果

2、Sobel算子銳化增強(qiáng)并自適應(yīng)閾值化

未銳化增強(qiáng)銳化增強(qiáng)+全局閾值銳化增強(qiáng)+自適應(yīng)閾值3邊框效應(yīng)的消除4形態(tài)學(xué)操作5.4基于區(qū)域的分割1區(qū)域生長(zhǎng)算法實(shí)現(xiàn)：1）根據(jù)圖像的不同應(yīng)用選擇一個(gè)或一組種子，它或者是最亮或最暗的點(diǎn)，或者是位于點(diǎn)簇中心的點(diǎn)。2）選擇一個(gè)相似性準(zhǔn)則。（灰度級(jí)、彩色、紋理、梯度等特性相似）3）從該種子開始向外擴(kuò)張，不斷將與集合中各個(gè)像素連通、且滿足相似性準(zhǔn)則的像素加入集合。4）上一過程進(jìn)行到不再有滿足條件的新結(jié)點(diǎn)加入集合為止。（終止準(zhǔn)則）

區(qū)域A

種子像素種子選擇準(zhǔn)則：最亮的點(diǎn)。相似性準(zhǔn)則：新加入像素值與已生長(zhǎng)的區(qū)域的平均值小于

2，且為4連通。終止準(zhǔn)則：沒有像素加入。隨堂練習(xí)：（區(qū)域生長(zhǎng)）43318665449866491096445845334832234322區(qū)域分離與合并#算法實(shí)現(xiàn)：#另一種算法實(shí)現(xiàn)：1）對(duì)圖像中灰度級(jí)不同的區(qū)域，均分為四個(gè)子區(qū)域2）如果相鄰的子區(qū)域所有像素的灰度級(jí)相同，則將其合并。3）反復(fù)進(jìn)行上兩步操作，直至不再有新的分裂與合并為止隨堂練習(xí)：（區(qū)域分裂-合并）433282288844933898491089994488984833434432234344223342334322424243MATLAB實(shí)現(xiàn)設(shè)計(jì)與實(shí)現(xiàn)一個(gè)基于區(qū)域生長(zhǎng)的分割程序。（作業(yè)）分割后處理語(yǔ)法：BW2=bwfill(BW1,c,r,n)

說明：填充二進(jìn)制圖像的背景色。（形態(tài)學(xué)處理）語(yǔ)法：bwareaopen說明：二進(jìn)制圖像區(qū)域打開，清除小物體。示例BW1=[1000000011111000100010101000111011110111100110101000101010001110]BW2=bwfill(BW1,3,3,8)I=imread('blood1.tif');BW3=~im2bw(I);BW4=bwfill(BW3,'holes');imshow(BW3)figure,imshow(BW4)5.5基于形態(tài)學(xué)分水嶺的分割（自學(xué)）5.6分割中運(yùn)動(dòng)的應(yīng)用1、空間域技術(shù)（1）基本方法消除噪聲點(diǎn)：忽略少于預(yù)定元素?cái)?shù)量的連通分量。（2）累積差值（ADI