[发明专利]一种基于生物视觉的二值图像自动阈值方法

说明书

技术领域

本发明涉及计算机图像处理、医学图像处理领域，具体来讲是一种基于生物视觉的二值图像自动阈值方法。

背景技术

图像分割是图像分析和计算机视觉科学中最基本也是最困难的技术之一，它是基于同一物体内部某特征的相似性以及不同物体之间该特征的相异性将数字图像分成不相交（不重叠）的各个区域的过程。特征的选取可以使用灰度、形状因子、纹理等等。图像分割的方法很多，经典的基于象素直方图的阈值分割法,基于邻域的区域生长法等。近年来还不断涌现出了许多新的方法:如基于小波分析和变换的分割技术,基于数学形态学的分割技术等等。

自动阈值用于将灰度图像的背景和目标进行分离，在实际图像中，图像目标和背景之间并不具备截然不同的灰度，因此阈值的选择非常重要，直接影响分割的精度以及图像处理的正确性。以往的图像分割方法大都依据复杂的数学理论和繁琐的计算过程，从而导致计算机处理时需要进行海量的计算，耗费大量的时间，不能达到实时处理的能力，而且大多数情况下还得不到理想的结果，尤其是医学图像实时分析的难题。

 

发明内容

本发明的目的在于在此提供一种基于生物视觉的二值图像自动阈值方法，该方法能够解决目前在图像分割算法中出现的耗时、分割效果不明显，解决了医学图像实时分析的难题。本方法主要利用当前CPU执行最快的“加法指令”和“对比指令”完成对二值图像阈值的获取，支持不规则离散的直方图，具备运行高速稳定，思路简洁。

本发明是这样实现的，构造一种基于生物视觉的二值图像自动阈值方法，其特征在于：此方法具体实施如下：

第一步：申请一个长度为256的整形数组a，将灰度图像直方图各个灰度级对应的像素点数按灰度级递增顺序存入数组a中；

第二步：再申请一个长为256的整形数组b，将a数组相邻元素之差Δ，依次存入数组b中；

第三步：从数组b中寻找出Δ连续为非负的最长的两个区段，记录下段尾在数组b中的索引值，

设定一个长度n，当出现某一Δ为负，而其前后n范围内Δ都为正，则将当前Δ忽略为0；

第四步：根据第三步中已经得到的两个段尾索引，求得数组b中对应于两个索引值之间值最小的元素的索引值，该索引值即为所求的分割阈值。

本发明采用了基于生物视觉一种简单的适合医学图像分割的自动阈值方法，也就是说在人们看见两个波峰，中间有一个凹谷的时候，要寻找谷底这个点，那么人们首先会通过对比，找到两个波峰点，然后在波峰点之间找到波谷。算法采用了计算机执行速度最快的加法指令和比较指令，使得该方法计算量小、计算速度快、得到结果迅速，在医学图像细胞分割方面的效果非常好。

本发明的有益效果在于：该方法能够解决目前在图像分割算法中出现的耗时、分割效果不明显，能够解决医学图像实时分析的难题，在医学图像细胞分割过程中，速度非常迅速，效果非常好，达到了实时处理的能力。对于一幅尺寸为                                                的灰度图像，分割时间在10ms以内。

附图说明

图１是本发明流程示意图。

图2是描述该方法的数学理论基础直观示意图。

图3是实验对应分割原图。

图4是分割效果图。

具体实施方式

本发明提供一种基于生物视觉的二值图像自动阈值方法，本发明主要解决了目前在图像分割算法中出现的耗时、分割效果不明显，解决了医学图像实时分析的难题。本方法主要利用当前CPU执行最快的“加法指令”和“对比指令”完成对二值图像阈值的获取，支持不规则离散的直方图，具备运行高速稳定，思路简洁。

如下图２所示，我们的目标是在只知道f(x)的值的情况下，用一种快速准确的方法寻找函数中的最低点。人眼通过对比便知道最低点是c点，我们的算法也正是利用了这个特点。算法的数学理论阐述如下：

第一步：函数在区间上，函数递增，即对于任意的且，函数恒有，即，即存在一定大的区域内有函数值之差恒大于等于0。

第二步：同理，函数在区间上同样存若，即存在一定大的区域内有函数值之差恒大于等于0。

第三步：由第一步和第二步可以寻找到两个波峰顶点，那么下面只需要在区间内寻找到最小值点，即点。

　  本发明所述基于生物视觉的二值图像自动阈值方法，采用如下方式实现；如图１所示；此方法具体实施如下：