[发明专利]一种基于像素梯度分布的图像阈值确定方法

说明书

本发明公开了一种基于像素梯度分布的图像阈值确定方法。对于灰度分布直方图呈单峰分布的图像，计算图像中每一像素点的梯度，并对所获得的梯度值进行统计分析，绘制图像的像素梯度分布直方图，并基于像素梯度分布直方图的形态确定最佳的分割阈值。本发明能够准确快速地确定灰度分布直方图呈单峰分布的图像的分割阈值，提高了图像的分割效果。

技术领域

本发明属于数字图像信息提取领域，特别涉及了一种基于像素梯度分布的图像阈值确定方法。

背景技术

得益于迅速发展的数字成像技术(CT、SEM、FIB/SEM)，样本内部的微观孔隙结构得以直观呈现。对于目标和背景反差明显的图像，即其灰度分布直方图呈现明显的双峰或多峰分布，现有算法通过选取两波峰之间的波谷点作为最佳阈值，从而对图像中目标和背景进行准确有效地分割。除此之外，仍有一部分图像由于目标区域相对于背景区域而言面积较小或目标与背景之间的灰度过渡较平缓，即其灰度分布直方图呈现明显的单峰分布。实践表明，现有算法对灰度分布直方图呈单峰分布图像的分割存在较大的误差，分割结果的真实性和可靠性较低。

发明内容

为了解决上述背景技术提出的技术问题，本发明提出了一种基于像素梯度分布的图像阈值确定方法，准确快速地确定灰度分布直方图呈单峰分布的图像的分割阈值，提高图像的分割效果。

为了实现上述技术目的，本发明的技术方案为：

一种基于像素梯度分布的图像阈值确定方法，对于灰度分布直方图呈单峰分布的图像，计算图像中每一像素点的梯度，并对所获得的梯度值进行统计分析，绘制图像的像素梯度分布直方图，并基于像素梯度分布直方图的形态确定最佳的分割阈值。

基于上述技术方案的优选方案，包括以下步骤：

(1)选择梯度算子模板；

(2)将步骤(1)选择的梯度算子模板的矩阵在需要进行梯度计算的图像上移动，计算图像上每一像素点的梯度值；

(3)对不同灰度值的像素点的梯度值进行叠加统计，绘制梯度分布直方图；

(4)图像的梯度分布直方图中的波峰区域对应于图像中目标和背景边界区域中像素点，而波谷区域则对应于同一区域类别中的像素点；分别找出与波峰和波谷相对应的像素点的灰度值，这两个灰度值具有最大的可能性分别位于边界和背景，据此确定分割阈值。

基于上述技术方案的优选方案，在步骤(1)中，所述梯度算子模板选择3×3的Sobel算子。

基于上述技术方案的优选方案，在步骤(3)中，对每一灰度值下的梯度值进行平均处理，得到其平均梯度值，根据平均梯度值绘制梯度分布直方图。

基于上述技术方案的优选方案，在步骤(4)中，找出与波峰和波谷相对应的像素点的灰度值，取两者的均值作为最佳分割阈值。

采用上述技术方案带来的有益效果：

相比于现有的数字图像阈值确定方法，本发明通过将像素邻域的梯度特性考虑进来，可以更加准确有效地对灰度直方图呈单峰分布的图像进行有效的分割，弥补了现有技术误差大、精度低的缺点。同时，本发明涉及到的算法简便，计算量小，计算速率快。

附图说明

图1是本发明的方法流程图；

图2是实施例中提供的测试图；

图3是图2对应的灰度直方图；

图4是利用Otsu算法处理图2的分割结果图；

图5是利用MaxEntropy算法处理图2的分割结果图；

图6是利用Valley-Emphasis算法处理图2的分割结果图；