[发明专利]一种基于Otsu和Tsallis熵的二次图像分割方法

说明书

本发明公开了一种Otsu和Tsallis熵的二次图像分割方法，具体按照如下方式实施：步骤1，对输入原图像I进行对比度扩展变换预处理，处理后的图像灰度动态范围是[0,255]；步骤2，采用Otsu算法求出原图像的阈值K，并根据阈值K对图像进行初次分割，得到分割图像I₁；步骤3，创建分割图像I₁的二维直方图，计算分割图像I₁的Tsallis熵；步骤4，求得使二维Tsallis熵最大的(u',v')为最佳阈值，用该阈值对分割图像I₁进行二次分割，得到最终的再分割图像I₂。本发明解决了Otsu未考虑目标和背景像素分布情况而出现的错分割问题，提高了分割的准确度。

技术领域

本发明属于图像处理技术领域，涉及一种基于Otsu和Tsallis熵的二次图像分割方法。

背景技术

图像分割是图像处理中的一项关键技术，也是一个经典问题，发展至今没有找到通用的分割方法。图像分割对特征提取、目标识别等具有重要的影响，分割的质量决定了接下来图像处理的质量。因此，研究图像分割技术具有十分重要的意义。目前常用的分割方法有基于阈值分割方法、边缘检测方法、区域分割以及基于特定理论的分割方法等。在图像分割技术中，阈值分割方法是比较常用的方法，由于其实现简单和易操作而备受青睐。

最大类间方差法是阈值分割中经典的算法之一，由于其计算简单、适应性强而被广泛应用。最大类间方差法以图像的目标和背景之间的最大类间方差为准则，大多数情况下都有比较好的分割效果。但是最大类间方差法没有考虑到目标和背景内部像素分布的情况，在该情况下采用最大类间方差法容易造成图像的错分割。和最大类间方差法比较相似的一种阈值分割方法是最大熵分割法，它是利用图像熵准则进行分割。不过因为熵阈值法中存在大量的对数计算而产生计算量过大，运行速度比较慢的问题。所以，直接使用这两种常见的阈值分割方法都存在一定的问题。

发明内容

本发明的目的是提供一种基于Otsu和Tsallis熵的二次图像分割方法，解决了传统Otsu算法中未考虑图像像素分布而造成的错分割问题。

本发明所采用的技术方案是，一种基于Otsu和Tsallis熵的二次图像分割方法，具体按照以下步骤实施：

步骤1，对输入原图像I进行对比度扩展变换预处理，处理后得到灰度图，灰度图的灰度动态范围是[0，255]；

步骤2，采用Otsu算法求出灰度图的阈值K，并根据阈值K对灰度图进行初次分割，得到分割图像I₁；

步骤3，创建分割图像I₁的二维直方图，计算分割图像I₁的Tsallis熵；

步骤4，求得使二维Tsallis熵最大的(u′，v′)，(u′，v′)为最佳阈值，用最佳阈值(u′，v′)对分割图像I₁进行二次分割，得到最终的再分割图像I₂。

本发明的特点还在于：

步骤2中初次分割表示为：

C₀由灰度图中灰度值在[0，K]范围内的所有图像组成，C₁由灰度图中灰度值在[K+1，L-1]范围内的所有像素组成；

C₀和C₁两类之间的方差计算如公式(4)所示：

σ²＝ω₀(μ₀-μ)²+ω₁(μ₁-μ)² (4)