[发明专利]基于模糊阈值的自适应图像分割方法

说明书

本发明属于图像处理技术领域，具体说，涉及一种基于模糊阈值的自适应图像分割方法，包括：步骤1，对直方图进行预处理，获取具有双峰特性的图像直方图；步骤2，对预处理后的图像直方图进行梯度检测，确定波谷的位置；步骤3，根据波谷位置，确定波峰位置；步骤4，根据波峰的峰值，确定两临近波峰间的距离，并根据不同波峰间的距离计算不同图像的隶属函数窗宽大小；步骤5，确定分割阈值。实现了窗口宽度的自适应选取，并且有效改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点，拓展了模糊阈值图像分割方法的适用范围，改善了模糊阈值分割方法的分割效果。

技术领域

本发明属于图像处理技术领域，具体说，涉及一种基于模糊阈值的自适应图像分割方法。

背景技术

图像分割就是指把图像分成互不重叠的区域，并提取出感兴趣目标的技术和过程。图像分割有三种不同的途径，其一是将各像素划归到相应物体或区域的像素聚类方法，即区域法；其二是通过直接确定区域间的边界来实现分割的边界方法；其三是首先检测边缘像素，再将边缘像素连接起来构成边界，形成分割。

在图像分割技术中，最常用的是利用阈值化处理进行的图像分割。基于像素直方图的阈值分割算法是区域分割算法中具有代表性的一类非常重要的分割算法，阈值分割算法是基于目标与背景的灰度差异，通过寻找最佳阈值，将目标从背景中分离出来。正确确定阈值是阈值分割法的关键，只要能确定一个合适的阈值就可以完成图像的准确分割。在图像的阈值化处理过程中，选用不同的阈值其处理结果差异很大；阈值过大，会提取多余的部分；阈值过小，又会丢失所需的部分。因此，阈值的选取非常重要。阈值分割法的最大特点是计算简单，对于直方图呈明显双峰特性的图像，可以得到很好的分割效果。

在图像处理过程中，必须充分考虑图像自身的特点和人类的视觉特性。图像的成像过程是一种多到一的映射过程，由此决定了图像本身存在许多不确定性和不精确性，即模糊性；而对于人类的视觉感知来说，图像从黑到白的变化也是模糊的。这种不确定性和不精确性主要体现在图像灰度的不确定性、目标边缘的不确定性等等。但是多数的阈值分割算法对于灰度图像的处理往往仅利用图像的灰度水平值而未考虑像素的空间邻域信息，大大地增加了灰度图像的目标和背景的误分比率。针对此问题提出的模糊阈值分割算法在考虑像素的灰度水平值的同时，将像素与其邻域像素的空间关系作为权重共同作用于该像素，设计出新的模糊分割函数。这种算法具有较好的稳定性和鲁棒性，对多数图像梯度的灰度直方图接近单峰的图像和灰度峰值分布距离较远的图像，也能得到很好的分割效果。

在模糊阈值分割方法中，隶属函数及其窗宽的选取是分割成败的关键所在。选定满足约束条件的隶属函数后，阈值的选取完全取决于给定的窗宽。目前，现有技术中隶属函数窗宽的选取，是通过观察直方图峰值的分布情况，人为给定的。对已知的图像直方图分布，利用这种方法总能找到合适的窗宽，但当图像改变而使直方图分布变化时(如图像的目标大小在较宽的范围上变化)，预设窗宽就可能失效，造成误分割，所以必需根据待分割图像的特性自动选取窗宽。

模糊阈值分割的实质是对图像直方图进行加权平均，平滑后的直方图即为模糊率曲线，其极小值对应分割阈值。现有技术通过模糊率曲线极值点数量与图像已知像素类别的个数对比的方法计算窗宽，但此方法对图像直方图呈单峰分布或双峰不明显的图像分割效果较差，很容易导致分割失败。

发明内容

本发明的目的在于提供一种基于模糊阈值的自适应图像分割方法，以解决上述问题。

本发明的实施例提供了一种基于模糊阈值的自适应图像分割方法，包括：

步骤1，对直方图进行预处理，获取具有双峰特性的图像直方图；

步骤2，对预处理后的图像直方图进行梯度检测，确定波谷的位置；

步骤3，根据波谷位置，确定波峰位置；

步骤4，根据波峰的峰值，确定两临近波峰间的距离，并根据不同波峰间的距离计算不同图像的隶属函数窗宽大小；