[发明专利]一种图像处理方法及系统

说明书

技术领域

本发明涉及图像分割技术，尤其涉及一种图像处理方法及系统。

背景技术

图像分割是从图像处理到图像分析的一个关键步骤，在图像工程中占有非常重要的位置。基于图像灰度值的阈值分割分类技术基于以下假设：每个区域由许多灰度值相近的像素构成，物体和背景之间或不同物体之间的灰度值有明显的差别，可以通过阈值来区分。熵阈值法因其实现简单、性能稳定、具有良好的信息论背景而成为一类典型的阈值选取方法，并在实际中得到了广泛的应用。现有应用的熵阈值方法有最大熵法、最大交叉熵准则、最小交叉熵准则、Tsallis熵准则等方法，这些方法通常基于图像的一维直方图或用图像灰度-邻域平均灰度构建的二维直方图来计算熵阈值。

设原始灰度图像f(x，y)的灰度级数为L，图像大小为M×N，经过对其进行区域灰度特征的3×3或者5×5点阵的平滑滤波处理(一般为取平均值)得到平滑图像g(x，y)，由于图像的灰度级数不会因为平滑滤波改变，所以平滑图像的灰度级数仍是L。一般的，一维直方图的横轴表示图像的灰度级，纵轴表示图像中某一灰度级的像素总数。设η_ij为在原图像f(x，y)中点灰度为i、在平滑图像g(x，y)中区域灰度均值为j的象素的总数，p(i，j)为点灰度-区域灰度均值对发生的概率，其取值为用η_ij(i，j＝0，1，...L-1)除以图像的总像素数。基于原始灰度图像中的像素灰度、平滑图像中的邻域平均灰度j、p(i，j)便可得到图像灰度-邻域平均灰度二维直方图。

但是，由于上述一维直方图只是描述了各个灰度级出现的频率，以各个灰度级出现的频率来代替概率是不够精确的，具有较大的估计误差，从而基于该一维直方图选取的熵阈值不够准确，影响图像分割效果，另外，上述二维直方图用于熵值的计算时，往往会被划分为四个区域，但是，迭代计算时只用到了位于对角线上的两个区域，这样容易造成有用信息的丢失，也使得选取的熵阈值不够准确，影响图像分割效果。

例如，如图1所示的图像灰度-邻域平均灰度二维直方图，数值高峰主要分布在平面的对角线附近，这是因为目标区域和背景区域内部的像素灰度级单一或者比较均匀，点灰度及其区域灰度均值相差无几，而且图像的所有像素中，目标点和背景点所占的比例最大。离平面对角线越远，峰值越小，直至急剧下降，这部分反映的是图像中的杂散点、边缘点和噪声点。传统的二维熵在熵值计算时往往利用两个阈值(t，s)将直方图划分为四个区域，如图2所示。基于目标和背景像素分布在对角线附近的分析，诸多二维熵在计算熵值时只用区域0和区域1(目标或背景)，而舍弃了代表边界、噪声点、杂散点的区域2和区域3。区域0中b、a两部分以及区域1中e、f两部分内存在边缘点、噪声点、杂散点，但熵值计算时将其当成了目标(或背景)内点处理，同时，区域2、区域3中的d、c两部分靠近对角线应为目标或背景内点，但计算时被当做边缘点、噪声点、杂散点来处理。所以，基于上述直方图的区域划分造成了有用信息的丢失，在这一假设上的熵值计算必然不够精确，得到的最佳阈值会出现偏差，分割结果不够理想。

发明内容

有鉴于此，本发明的主要目的在于提供一种图像处理方法及系统，能够提高熵阈值选取的准确性，进一步提高图像分割效果。

为达到上述目的，本发明的技术方案是这样实现的：

一种图像处理方法，包括：

根据由原始图像f(x，y)以平滑滤波形成的图像g(x，y)、以及梯度图像|f(x，y)-g(x，y)|，得到原始图像f(x，y)的点灰度i、梯度图像|f(x，y)-g(x，y)|的点灰度j和点灰度对(i，j)的联合概率q(i，j)的对应关系，其中，i＝0，1...，L-1，j＝0，1...，L-1，L是原始图像的灰度级数，r(i，j)表示灰度对出现的频数，M×N为原始图像的点数；

基于所述原始图像的点灰度i、梯度图像的点灰度j和点灰度对的联合概率q(i，j)的对应关系进行熵阈值选取；

根据所述选取的熵阈值进行图像处理。

所述基于所述原始图像的点灰度i、梯度图像的点灰度j和点灰度对的联合概率q(i，j)的对应关系进行熵阈值选取为：