课程结业论文
课题名称基于阈值的图像分割方法姓名湛宇峥
学号1412202-24
学院信息与电子工程学院专业电子信息工程
指导教师崔治副教授
2017年6月12日
湖南城市学院课程结业论文诚信声明
本人郑重声明：所呈交的课程结业论文，是本人在指导老师的指导下，独立进行研究工作所取得的成果，成果不存在知识产权争议，除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担
目录
摘要 (1)
关键词 (1)
ABSTRACT (2)
KEY WORDS (2)
引言 (3)
1基于点的全局阈值选取方法 (4)
1.1最大类间交叉熵法 (5)
1.2迭代法 (6)
2基于区域的全局阈值选取方法 (7)
2.1简单统计法 (8)
2.3 直方图变化法 (9)
3局部阈值法和多阈值法 (10)
3.1水线阈值算法 (11)
3.2变化阈值法 (12)
4仿真实验
结论 (12)
参考文献 (13)
附录
基于阈值的图像分割方法
摘要：图像分割多年来一直受到人们的高度重视，至今这项技术也是趋于成熟，图像分割方法类别也是不胜枚举，近年来每年都有上百篇有关研究报道发表。图像分割是由图像处理进到图像分析的关键环节，是指把图像分成各具特性的区域并提取出有用的目标的技术和过程。在日常生活中，人们对图片的要求也是有所提高，在对图像的应用中，人们经常仅对图像中的某些部分感兴趣，这些部分就对应图像中的特定的区域，为了辨识和分析目标部分，就需要将这些有关部分分离提取出来，因此就要应用到图像分割技术。
关键词：图像分割；阈值；matlab
Based on thresholding for image segmentation
methods
Abstract：Image segmentation is a indispensable part of image processing and analysis, have important practical significance.It is according to the needs of image processing and analysis of the image into each area and extract the characteristic of technology and process of interested target.Image segmentation methods and types have a lot of different categories, some segmentation operation can be directly applied to all images, while others can only apply to special image.The purpose of this paper is to through the collection of image segmentation method based on threshold related information, analysis the advantages and disadvantages of various segmentation algorithm, using the MATLAB tools to threshold segmentation algorithm is studied. Keywords: image segmentation; The threshold value; matlab
引言
在现代科学中，随着计算机科学技术的不断发展，人们在日常生活中对图像信息的需求急剧暴涨，人们对图像得要求也越来越高，p图软件，美颜相机等等也是越来越受大众喜爱，对此，数字图像处理技术在近年来也是得到了迅速的发展和改进，成为当下学科领域的热门焦点。图像分割是图像识别和计算机视觉至关重要的预处理。没有正确的分割就不可能有正确的识别。但是，进行分割仅有的依据是图像中像素的亮度及颜色，由计算机自动处理分割时，将会遇到各种困难。例如，光照不均匀、噪声的影响、图像中存在不清晰的部分，以及阴影等，常常发生分割错误。因此图像分割是需要进一步研究的技术。人们希望引入一些人为的知识导向和人工智能的方法，用于纠正某些分割中的错误，是很有前途的方法。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解。图像分割的方法也是不胜枚举。其中阈值法就是一种传统而又简单实用的图像分割方法，也是最基础和最广泛的分割方法。这些方法都广泛应用于各个领域，比如，红外技术应用，医药技术应用，农业工程技
术应用，工业产业等行业。
1：基于点的全局阈值选取方法
1.1最大类间交叉熵法
在取阈值分割中，一般要求月至的选取要使分割的目标与背景尽可能的差异，假设图像有目标1和背景2两类像素，可以用交叉熵来度量目标和背景间的差异，将这种类间差异性用原始图像p 中的个像素点S 判决到目标和背景两类区域的两个后验概率p(1/s),p(2/s)之间的交叉熵的平均值表示，通过最大化将像素点判决到不同的区域的后验概率来求最优的阈值。
在这里，我们设X 是一幅具有L 级灰度级的图像，其中第i 级像素为i N 个，其中i 的值在0~L-1之间，图像的总像素点个数为：
第i 级出现的概率为：
图像的总平均灰度级为：
∑-==1
L i i
iP μN
N P i
i =
∑-==1
L i i
N N
0C 类像素所占面积的比例为：
1C 类像素所占面积的比例为：
01-=ωω1
0C 类像素的平均灰度为：
000=ωμμ/)()(k k
1C 类像素的平均灰度为：
111=ωμμ/)()(k k
其中，
则类间方差公式为：
22)()()(01002-+-=μμωμμωδk
1.2迭代法
迭代法求阈值的原理： 基于逼近的思想，步骤如下： 1． 求出图象的最大灰度值和最小灰度值，分别记为ZMAX 和ZMIN ，令初始阈值T0=(ZMAX+ZMIN)/2； 2． 根据阈值TK 将图象分割为前景和背景，分别求
∑-=0=1
k i i
P ω∑-=0=1
)(k i i
iP k μ∑-=01-==1
)
(1)(L k
i i k iP k μμ
出两者的平均灰度值ZO 和ZB 3． 求出新阈值TK+1=(ZO+ZB)/2； 4． 若TK=TK+1，则所得即为阈值；否则转2，迭代计算。
2：基于区域的全局阈值选取方法
2.1简单统计法
简单统计法是一种基于简单的图像统计的基础阈值选取方法。阈值通过简单统计法可以直接计算得到，从而避免了去分析灰度直方图。该方法的计算公式为
()()
()
∑∑∑∑=
x
y
x
y y x e y x f y x e T ,,,
(8)
其中， (){}
y x e e y x e ,max ,=
()()y x f y x f e x ,1,1+--=
()()
1,1,+--=y x f y x f e y
2.2 直方图变化法
实际的说，直方图的谷底是非常理想的分割阈值，现实很难操作，而且在实际应用中，图像也会受到噪声等其他环境等的影响从而使其直方图上原本分离的峰之间的谷底被填充，或者目标和背景的峰相距很近或者大小差不多。 直方图变化的基本思想是利用一些像素领域的局部性质对原来的直方图进行变换已得到一个新的直方图，对比原直方图，或者峰之间的谷更深了。或者谷转
变成峰从而更好检测了。借助前面的梯度算子作用于领域可以得到该像素的梯度值。
3：局部阈值法和多阈值法
3.1水线阈值算法
分水岭图像分割算法是借助地形学的概念进行操作的，这种方法近年来得到了广泛的使用，该算法要操作需要掌握相关的数学形态学的理念和方法。该算法是串行计算过程，得到的是目标的边界，这种方法是通过确定分水岭的位置而进行的图像分割，但由于各区域内部像素的灰度很相近，相邻区域的像素灰度差距比较大，可以先计算一幅图的梯度图，再找梯度图的分水岭。
3.2变化阈值法
有时候图像中有如下一些情况：有阴影，照度不均匀，各处的对比度不同，突发噪声，背景灰度变化等，在这些情况下，如果只用一个固定的全局阈值对整
幅图像进行分割，则由于不能兼顾图像各处的情况而使分割效果受到影响。有一种解决办法就是用与象素位置相关的一组阈值来对图像各部分分别进行分割。这种与坐标相关的阈值也叫动态阈值，此方法也叫变化阈值法。
例如，一幅照度不均（左边亮右边暗）的原始图像为：
图4.原始图像
图5.阈值低，对亮区效果好，则暗区差
图6.阈值高，对暗区效果好，则亮区差
图7.按两个区域取局部阈值的分割结果
4：仿真实验
结论
阈值法是一种传统但有简单有效实用的基础图像分割方法。图像的的变化是无穷无尽的，在实际应用中，通常将多种分割算法有效地结合在一起使用以获得更好的分割效果。除了以上介绍的方法外，还存在着多种不同的其他有效方法，在此，就不多介绍，此外，本片论文也存在在一些描述不是很清楚的地方，希望有缘读者可以提供相关建议和意见，一定多加感谢。
参考文献：
1 夏得深，傅德胜.现代图像处理技术与应用.东南大学出版,2001
2余成波.数字图像处理及MATLAB实现[M].重庆:重庆大学出版社,2003.
3刘直芳,游胜志等.基于多尺度彩色形态矢量算子的边缘检测.中国图像图形学报2002 (9) 888-893
4周铭,周惠.基于遗传算法的自适应聚类图像阈值分割方法.计算机工程与应用[J]，2005,5(6):231-245.
5杨杰，黄朝兵. 数字图像处理及MATLAB实现.电子工业出版社,2010
6 吴一全,朱兆达.图像处理中阈值选取方法30年(1962-1992)的进展（一）.数据采集与处理[J],1993,9(3):193-201.
7 吴一全,朱兆达.图像处理中阈值选取方法30年(1962-1992)的进展（二）.数据采集与处理
8 王茜蓓,彭中,刘莉.一种基于自适应阈值的图像分割算法.北京理工大学学报[J],2003，23(4):531-524.
9 Sahoo P K et al. A survey of thresholding techniques. Computer
Vision, Graphics and Image Processing[J],1988,41(3):233-260.
10 Doyle W.Operations useful for similarity-invariant pattern recognition JACM[J],1962, 9(2):259-267
11 Perez A, Gonzalez R C.An iterative thresholding algorithm for image segmentation. IEEE Trans[J],1987,9(6):742-751.
附录：
I=imread('tsaml.jpg');
I=double(I);
T=(min(I(:))+max(I(:)))/2;
done=false;
i=0;
while ~done
r1=find(I<=T);
r2=find(I>T);
Tnew=(mean(I(r1))+mean(I(r2)))/2;
done=abs(Tnew-T)<1;
T=Tnew;
i=i+1;
end
I(r1)=0;
I(r2)=1;
figure;
imshow(I)
2：a=imread('img.bmp'); imshow(a)
figure;
imhist(a)