[发明专利]基于多因素二维灰度直方图的阈值分割方法

摘要

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。

主权项

一种基于多因素二维灰度直方图的阈值分割方法，其特征是，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级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；方法具体步骤如下：第一步 建立多因素加权综合图像对于一幅待分割的图像A，灰度级数为L，图像大小为M×N，可以表示为A＝I(x,y)，即像素坐标(x,y)处的灰度值为I(x,y)；以3×3区域作为卷积核的大小；图像A的四个边界分别以“重复”的方式向外扩展1个像素，即扩展像素的灰度级等于边界像素的灰度级，构成扩展图像AEX，其图像大小为(M+2)×(N+2)；用均值滤波计算图像AEX中每个像素3×3区域的平均灰度；利用均值滤波算子Gm，Gm=19111111111---(1)]]>计算图像AEX的邻域平均灰度级图像MA，公式为MA＝GmAEX   (2)用Sobel算子检测图像AEX的边缘；利用边缘检测横向算子Gx和纵向算子Gy，Gx=-101-202-101---(3)]]>Gy=121000-1-2-1---(4)]]>获取滤波后图像的横纵向梯度Sx和Sy，式(5)和(6)为求解公式；Sx＝GxAEX   (5)Sy＝GyAEX   (6)然后利用式(7)获取边缘检测后的图像SA；SA＝|Sx|+|Sy|    (7)根据式(8)求解像素坐标(x,y)的梯度方向θ(x,y)；θ(x,y)=arctanSy(x,y)Sx(x,y)---(8)]]>根据式(9)量化θ并取整，得到梯度方向图像θA；其中，INT(x)为取整函数；θA=INT{θ(x,y)Lmax[θ(x,y)]}---(9)]]>计算上述三种图像MA、SA、θA的能量；EM=Σj=1NΣi=1MMA(i,j)2(MN)2ES=Σj=1NΣi=1MSA(i,j)2(MN)2Eθ=Σj=1NΣi=1MθA(i,j)2(MN)2---(10)]]>根据能量分配权系数w1、w2和w3；w1=EMEM+ES+Eθw2=ESEM+ES+Eθw3=EθEM+ES+Eθ---(11)]]>根据式(12)求解邻域平均灰度‑梯度强度‑梯度方向级加权综合图像YA；YA＝INT(w1MA+w2SA+w3θA)   (12)第二步 绘制灰度级‑综合因素级二维灰度直方图以扩展图像AEX的灰度级作为x轴，加权综合图像YA的灰度级作为y轴，同时满足AEX灰度级和YA灰度级的像素格(不包括扩展部分)数量作为z轴，绘制灰度级‑综合因素级二维灰度直方图；第三步 迭代法求解二维灰度直方图的统计信息根据上一步得到的灰度级‑综合因素级二维灰度直方图，可以得到当AEX灰度级为i且YA灰度级为j时的像素格数量，记为hij；其中，i＝0,1,...,L‑1，j＝0,1,...,L‑1；相应的频率为pij=hijMN---(13)]]>前景类像素出现的概率为wo(t,s)，背景类像素出现的概率为wb(t,s)；其中，t＝0,1,...,L‑1，s＝0,1,...,L‑1；由式(14)求迭代初值wo(0,0)、wo(0,1)和wo(1,0)；wo(t,s)=Σi=0tΣj=0spij---(14)]]>根据式(15)采用迭代法计算wo(t,s)和wb(t,s)；wo(t,s)=wo(t-1,s)+wo(t,s-1)-wo(t-1,s-1)+ptswb(t,s)=1-wo(t,s)---(15)]]>根据式(16)计算前景类和背景类像素的灰度级均值；(μoi(t,s),μoj(t,s))=(Σi=0tΣj=0sipijwo(t,s),Σi=0tΣj=0sjpijwo(t,s))(μbi(t,s),μbj(t,s))=(Σi=t+1L-1Σj=s+1L-1ipijwb(t,s),Σi=t+1L-1Σj=s+1L-1jpijwb(t,s))---(16)]]>第四步 基于最小交叉熵计算最佳阈值并分割图像交叉熵的计算公式见式(17)；η(t,s)=Σi=0tΣj=0shij(ilniμoi(t,s)+jlnjμoj(t,s))+Σi=t+1L-1Σj=s+1L-1hij(ilniμbi(t,s)+jlnjμbj(t,s))---(17)]]>根据式(18)计算最佳阈值t0和s0；其中，(x0,y0)＝argmin{f(x,y)}代表参数(x0,y0)满足f(x0,y0)为f(x,y)的最小值；(t0,s0)=argmin0≤t≤L-1,0≤s≤L-1{η(t,s)}---(18)]]>根据最佳阈值t0和s0，可将灰度级‑综合因素级二维灰度直方图分成四个部分；记满足t＜t0且s＜s0的部分为背景，满足t＞t0且s＞s0的部分为前景，其他区域为噪声；在扩展图像AEX上灰度值满足t＜t0，且同时在加权综合图像YA上灰度值满足s＜s0的像素为背景像素，所有背景像素的集合即为背景图像；AEX上灰度值满足t＞t0且YA上灰度值满足s＞s0的像素为前景像素，所有前景像素的集合即为前景图像；其他像素为噪声；即完成对原图像A的阈值分割。