[发明专利]基于多因素二维灰度直方图的阈值分割方法

说明书

本发明基于多因素二维灰度直方图的阈值分割方法属于计算机视觉测量技术领域，涉及一种基于多因素二维灰度直方图的阈值分割方法。该方法建立多因素加权综合图像绘制二维灰度直方图，并使用交叉熵计算分割图像的阈值；首先建立基于邻域平均灰度、梯度强度和梯度方向等三种因素的加权综合图像；进而结合灰度级图像，绘制灰度级‑综合因素级二维灰度直方图。然后采用迭代法求解前景类、背景类像素的灰度级均值；最后基于最小交叉熵计算最佳阈值，使用最佳阈值分割图像。该方法解决了现有二维灰度直方图丢失图像关键信息的问题，保证了数据的准确性和方法可靠性。该方法提高了阈值的可信度和提高图像分割的效果。整个阈值分割算法适应性好，有效性高。

技术领域

本发明属于计算机视觉测量技术领域，涉及一种基于多因素二维灰度直方图的阈值分割方法。

背景技术

阈值分割是图像分割中一类最早被研究和使用的方法，是目前各类图像分析、图像识别以及机器视觉系统中最常用的图像分割方法之一。阈值分割的目的是找到图像前景与背景的分割阈值，通过阈值可以将整幅图像或图像某一区域划分为前景和背景两个区域。图像的灰度级直方图很好地反映了一幅图像中的灰度分布信息，是阈值选取的重要参考依据。

现有阈值分割方法中采用的灰度级直方图主要有一维灰度级直方图和二维灰度直方图。一维灰度级直方图仅包含了图像灰度级信息，通过处理图像或熵算法即可计算阈值，但仅适用于图像前景和背景面积较大且灰度分布均匀时的情况。二维灰度直方图在一维灰度级直方图基础上增加了一个维度的数据，增加邻域平均灰度信息构成灰度级-邻域平均二维灰度直方图、增加灰度梯度信息构成灰度级-灰度梯度二维直方图、增加邻域X方向平均灰度信息构成灰度级-X邻域平均灰度级直方图、用梯度方向作为第二维构成2D-D直方图、将邻域中与中心像素灰度级相近的像素个数作为第二维构成GLSC直方图、用斐波那契数列将图像边缘梯度量化成9个量级作为直方图的第二维构成GLGM直方图等。在二维灰度直方图基础上，采用区域划分法或熵算法可以计算分割阈值，该方法以不同形式利用了空间信息，阈值分割效果好、鲁棒性高，但是利用空间的信息有限，无法完整反映图像信息，因此不同图像适应性差。Xiao Y等人发表的期刊《Entropic image thresholding basedon GLGM histogram》[J].Pattern Recognition Letters,2014,40:47-55，提出GLGM(灰度和梯度-幅度)直方图作为新的阈值分割图像直方图，GLGM直方图同时显示了灰度级发生概率和空间分布特征，使用斐波纳契量子化梯度幅度来有效地表征空间信息，采用最大熵计算图像阈值，实验证明了该阈值方法的有效性和鲁棒性，该方法需要测量大量的离散点，求解法矢量的精度较高，可靠性较好；霍凤财等人发明的专利号为CN201410172544.6的“二进制算法和二维直线交叉熵结合的图像分割方法”采用图像的灰度级-邻域平均二维灰度直方图，构建二维直线交叉熵，用垂直于主对角线的一条直线将图像分割成目标和背景两部分，其次以二进制对个体进行编码，二维直线交叉熵作为适应度函数，提出基于遗传机制的二进制蜂群算法自适应获取阈值，具有良好的收敛性能和快速、平稳、准确地获取分割阈值的能力，有利于推广使用。

发明内容

本发明要解决的技术难题是针对噪声多且复杂、前背景区分不鲜明的灰度图像，传统灰度直方图方法存在无法全面反映图像信息、阈值分割效果差等问题，发明了一种基于多因素二维灰度直方图的阈值分割方法。该方法针对复杂的灰度图像，提出结合邻域平均灰度、梯度强度和梯度方向等三种因素的加权综合图像，然后基于该综合图像和灰度级图像绘制灰度级-综合因素级二维灰度直方图，采用迭代法求解该二维灰度直方图的统计信息，最后基于最小交叉熵计算最佳阈值，并使用最佳阈值分割图像。该方法通过绘制灰度级-综合因素级二维灰度直方图，可以分析图像灰度、邻域平均灰度、梯度强度和梯度方向等因素的影响，全面反映图像整体灰度、局部灰度、边界、方向等信息，大大提高了阈值的可信度，从而提高图像分割的效果。