[发明专利]一种用于图像采集系统优化设计的图像可分割性评价方法

摘要

本发明公开了一种用于图像采集系统优化设计的图像可分割性评价方法。主要包括以下步骤，搭建图像采集系统，进行样本图像采集；使用一种人工图像分割方法将样本图像分割为前景和背景，并分别另存为前景图像和背景图像；对前景图像和背景图像分别进行灰度化处理；使用一种基于前景和背景类间方差和类内方差比的F值计算方法，对灰度化处理后的前景图像和背景图像，计算一种表征样本图像可分割性的F值；根据一种基于F值的图像可分割性评价准则对样本图像的可分割性进行定量评价，并根据评价结果实现图像采集系统的优化设计。本发明可以定量地评价图像采集系统采集的样本图像的可分割性，实现图像采集系统优化设计，使采集的图像利于后续图像分割处理。

主权项

1.一种用于图像采集系统优化设计的图像可分割性评价方法，其特征在于，包括以下步骤：1.1搭建图像采集系统，并进行样本图像采集；图像采集系统搭建时，选择不同的光源类型和光源数量，以搭建多个不同的图像采集系统；1.2使用一种人工图像分割方法将样本图像分割为前景和背景，并分别另存为前景图像和背景图像，具体实现过程为：使用Photoshop软件中的抠图工具将样本图像中的前景选择出来，同时记录直方图界面中的像素值，该像素值即为前景像素数NF；然后复制该选区到新建图层中，并将该图层保存为.bmp格式的前景图像；使用Photoshop软件中的抠图工具将样本图像中的背景选择出来，同时记录直方图界面中的像素值，该像素值即为背景像素数NB；然后复制该选区到新建图层中，并将该图层保存为.bmp格式的背景图像；1.3基于前景和背景在颜色特征S上的差异，对前景图像和背景图像基于颜色特征S分别进行灰度化处理，具体实现过程为：若图像为灰度图像，则无需进行处理，可直接使用权利要求1中1.4所述的一种基于前景和背景类间方差和类内方差比的F值计算方法计算样本图像的F值；若图像为彩色图像，则基于颜色特征S对前景图像和背景图像分别进行灰度化处理，得到前景灰度图和背景灰度图，同时获得前景图像中背景的灰度值IB，以及背景图像中前景的灰度值IF；其中颜色特征S的选择根据前景和背景的颜色差异确定；1.4对灰度化处理后的前景图像和背景图像，使用一种基于前景和背景类间方差和类内方差比的F值计算方法，计算一种表征样本图像可分割性的F值，包括以下步骤：a)样本图像像素总数N为m×n，使用Matlab将前景图像转换成一维矩阵，将一维矩阵中前(N‑N_F)个灰度值为I_B的数据去除，即删除一维矩阵中属于背景的灰度值，剩余的均为属于前景的灰度值，由此计算得到前景的灰度均值μ_F和方差b)使用Matlab将背景图像转换成一维矩阵，将一维矩阵中前(N‑N_B)个灰度值为I_F的数据去除，即删除矩阵中属于前景的灰度值，剩余的均为属于背景的灰度值，由此计算得到背景的灰度均值μ_B和方差c)分别使用式(1)、式(2)计算得到前景和背景之间的类间方差和类内方差其中ωF表示前景在样本图像中的分布概率，使用式(3)计算得到，ωB表示背景在样本图像中的分布概率，使用式(4)计算得到：ωF＝NF/(NF+NB)  (3)ωB＝NB/(NF+NB)  (4)d)使用式(5)计算得到基于前景和背景类间方差和类内方差比的F值：1.5根据一种基于F值的图像可分割性评价准则对样本图像的可分割性进行定量评价，并根据评价结果实现图像采集系统的优化设计，确保最优的图像采集系统采集所得的样本图像具有最优的图像可分割性能，以利于后续的样本图像分割处理；具体实现过程如下：根据样本图像的F值，定量地对样本图像的可分割性进行评价，即F值越大，图像的可分割性越好，最终根据F值最大原则确定由不同光源类型和光源数量搭建的多个图像采集系统中，所采集的样本图像的F值最大的图像采集系统为最优的图像采集系统，从而实现图像采集系统的优化设计，确定最优的图像采集系统。