CN109035281A - 一种基于直方图分布的图像三值化方法 - Google Patents

一种基于直方图分布的图像三值化方法 Download PDF

Info

Publication number
CN109035281A
CN109035281A CN201810763061.1A CN201810763061A CN109035281A CN 109035281 A CN109035281 A CN 109035281A CN 201810763061 A CN201810763061 A CN 201810763061A CN 109035281 A CN109035281 A CN 109035281A
Authority
CN
China
Prior art keywords
image
valued
histogram distribution
abnormal area
histogram
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810763061.1A
Other languages
English (en)
Inventor
焦良葆
曹雪虹
叶奇玲
夏天
张磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Institute of Technology
Original Assignee
Nanjing Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN201810763061.1A priority Critical patent/CN109035281A/zh
Publication of CN109035281A publication Critical patent/CN109035281A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于直方图分布的图像三值化方法，其特征是，包括如下步骤：步骤1)选择一幅存在异常区域的图像，对图像像素进行归一化；步骤2)根据图像的直方图分布特征选择两个阈值；步骤3)根据选择的两个阈值将归一化的图像进行三值化。本发明所达到的有益效果：实现图像中异常区域的突出，有利于提取异常区域信息，并且尽可能多的保留了图像的有用信息，具有很大的现实意义。

Description

一种基于直方图分布的图像三值化方法
技术领域
本发明涉及一种基于直方图分布的图像三值化方法，属于图像处理技术领域。
背景技术
图像分割是图像识别和计算机视觉至关重要的预处理。没有正确的分割就不可能有正确的识别。但是计算机自动处理分割时，图像中像素的亮度及颜色等因素会影响分割效果，因此图像分割是需要进一步研究的技术。近年来，在图像分割提取图像特征的技术领域中，国内外已经开发出大量优秀算法。
现有的其他专利如专利号CN103473785A，为了解决现有的分割算法无法有效解决相互靠近的多目标分割的技术问题，提出了结合方向梯度强度图像和饱和度图像的信息对彩色图像进行阈值处理,将彩色图像逐个像素映射为“前景、轮廓、背景”三个值的三值化图像聚类快速多目标分割方法。这种方法能够有效的分割图像异常区域，但是图像的有用信息如相位信息无法保留。现有的其他专利如专利号CN107194943A基于待测物的图像中每个像素点的灰度值计算每个像素点的邻域的灰度均值并构建图像的二维直方图，依据图像的二维直方图计算最优分割阈值得到初始分割二值图像。这种方法只是突出了异常区域与背景之间的差别，但是对待测物的图像信息没有很好的保留。又如专利号CN106683105A对所述目标区域进行点云的数据采集；对所述点云进行分类；将所述点云映射为图像采集装置成像平面上的投影点；获取每个类别点云对应的投影点的在成像平面上的分割轮廓；根据所述分割轮廓,对所述图像进行分割。这种方法能够取得很好的分割效果，但是前期数据采集量巨大，给实施带来了很大的难度。而随着图像处理技术的发展，如今对图像分割技术的要求越来越高，尽可能的保留图像的有用信息成为迫切的需求。
发明内容
为解决现有技术的不足，本发明的目的在于提供一种突出图像异常区域的处理方法，有利于提取图像异常区域信息，实现了图像的阈值分割，最大限度提取图像有用信息。
为实现上述目的，本发明采用如下技术方案：
一种基于直方图分布的图像三值化方法，包括如下步骤：
步骤1：针对一幅存在异常区域的图像，对图像像素进行归一化，得到图像NI；
步骤2：根据图像NI的直方图分布特征选择两个阈值；
步骤3：根据选择的两个阈值将图像NI进行三值化。
优选的，步骤1的具体步骤包括：将存在异常区域的图像矩阵I归一化，使图像像素取值范围为0-255，归一化后的图像记为NI。
优选的，步骤2的具体步骤包括：绘制图像NI的直方图分布，将所述直方图拟合成正态分布曲线，选用所述正态分布曲线的两个拐点T1和T2作为阈值，T1<T2。
优选的，步骤3的具体步骤包括：根据选取出的两个阈值T1和T2，将图像NI中的所有像素值小于T1的像素值全部变为0，所有像素值大于T2的像素值全部变为255，其余像素值全部变为127。
有益效果：以存在异常区域的图像为研究对象，设计给出一种突出分割图像方法；采用了结合归一化、直方图分布、阈值选取、三值化的算法，实现了突出图像异常区域有用信息的目标。这种三值化方法能够广泛应用于具有异常区域像素值两极化特征的图像中。本方法应用最有效的领域是探地雷达(GPR)的空洞反射波相位信息的提取，应用基于直方图分布的三值化方法能够保留反射波的相位，从而判断GPR图像中的病害属于哪一种类型。这种图像分割方法符合图像分割技术的追求目标，具有很大的现实意义。
附图说明
图1是图像三值化流程详图；
图2为存在异常区域探地雷达(GPR)实测数据图像；
图3为图2的直方图分布；
图4为三值化后的图像。
具体实施方式
下面结合实施例对本发明做更进一步的解释。
本发明包括如下步骤：
如图1所示，本发明包括如下步骤：
步骤1)选择一幅存在异常区域的图像，对图像像素进行归一化；
步骤2)根据图像的直方图分布特征选择两个阈值；
步骤3)根据选择的两个阈值将归一化的图像进行三值化。
所述步骤1)中具体内容为：将存在异常区域的图像矩阵I归一化，使图像像素取值范围为0-255，归一化后的图像记为NI。
所述步骤2)中具体内容为：绘制归一化后图像NI的直方图分布，发现直方图分布呈现类似正态分布。图2是一幅存在异常区域探地雷达(GPR)实测数据图像，图3是图2的直方图分布。根据正态分布中μ±σ是正态分布函数的拐点的特征，拟选用两个拐点作为二值化的阈值T1和T2，且T1<T2，其中μ是正态分布函数的均值，σ是正态分布函数的标准差。
所述步骤3)中具体内容为：根据选取出的两个阈值T1和T2，将矩阵NI中的所有像素值小于T1的像素值全部变为0，所有像素值大于T2的像素值全部变为255，其余像素值全部变为127。记三值化后的图像为NI_K，如图4所示。经过大量含有异常区域的图像三值化效果对比发现，使用正态分布的特征作为三值化阈值选取依据的效果良好。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (4)

1.一种基于直方图分布的图像三值化方法，其特征在于，包括如下步骤：
步骤1：针对一幅存在异常区域的图像，对图像像素进行归一化，得到图像NI；
步骤2：根据图像NI的直方图分布特征选择两个阈值；
步骤3：根据选择的两个阈值将图像NI进行三值化。
2.根据权利要求1所述的一种基于直方图分布的图像三值化方法，其特征在于，步骤1的具体步骤包括：将存在异常区域的图像I归一化，使图像像素取值范围为0-255，归一化后的图像记为NI。
3.根据权利要求1所述的一种基于直方图分布的图像三值化方法，其特征在于，步骤2的具体步骤包括：绘制图像NI的直方图分布，将所述直方图拟合成正态分布曲线，选用所述正态分布曲线的两个拐点T1和T2作为阈值，T1<T2。
4.根据权利要求3所述的一种基于直方图分布的图像三值化方法，其特征在于，步骤3的具体步骤包括：根据选取出的两个阈值T1和T2，将图像NI中的所有像素值小于T1的像素值全部变为0，所有像素值大于T2的像素值全部变为255，其余像素值全部变为127。
CN201810763061.1A 2018-07-12 2018-07-12 一种基于直方图分布的图像三值化方法 Pending CN109035281A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810763061.1A CN109035281A (zh) 2018-07-12 2018-07-12 一种基于直方图分布的图像三值化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810763061.1A CN109035281A (zh) 2018-07-12 2018-07-12 一种基于直方图分布的图像三值化方法

Publications (1)

Publication Number Publication Date
CN109035281A true CN109035281A (zh) 2018-12-18

Family

ID=64642043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810763061.1A Pending CN109035281A (zh) 2018-07-12 2018-07-12 一种基于直方图分布的图像三值化方法

Country Status (1)

Country Link
CN (1) CN109035281A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110717911A (zh) * 2019-10-16 2020-01-21 南京工程学院 一种基于模板匹配的病害定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473785A (zh) * 2013-09-29 2013-12-25 哈尔滨工业大学 一种基于三值化图像聚类的快速多目标分割方法
CN103745449A (zh) * 2013-12-24 2014-04-23 南京理工大学 一种搜跟系统中航拍视频的快速自动拼接技术
CN104050472A (zh) * 2014-06-12 2014-09-17 浙江工业大学 一种灰度图像二值化的自适应全局阈值方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473785A (zh) * 2013-09-29 2013-12-25 哈尔滨工业大学 一种基于三值化图像聚类的快速多目标分割方法
CN103745449A (zh) * 2013-12-24 2014-04-23 南京理工大学 一种搜跟系统中航拍视频的快速自动拼接技术
CN104050472A (zh) * 2014-06-12 2014-09-17 浙江工业大学 一种灰度图像二值化的自适应全局阈值方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
白小叶等: "基于光照归一化分块自适应LTP特征的人脸识别", 《计算机技术与发展》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110717911A (zh) * 2019-10-16 2020-01-21 南京工程学院 一种基于模板匹配的病害定位方法

Similar Documents

Publication Publication Date Title
CN106570486B (zh) 基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法
CN109522853B (zh) 面向监控视频的人脸检测与搜索方法
CN107610114B (zh) 基于支持向量机的光学卫星遥感影像云雪雾检测方法
CN109636784B (zh) 基于最大邻域和超像素分割的图像显著性目标检测方法
CN105631455B (zh) 一种图像主体提取方法及系统
CN102902959B (zh) 基于二代身份证存储证件照的人脸识别方法及系统
WO2019062092A1 (zh) 基于超像素-多色彩空间的人体轮廓提取方法
CN106339702A (zh) 一种基于多特征融合的人脸识别方法
CN107657225B (zh) 一种基于聚合通道特征的行人检测方法
Pang et al. Automatic segmentation of crop leaf spot disease images by integrating local threshold and seeded region growing
WO2023155324A1 (zh) 图像融合方法、装置及设备、存储介质
CN103870808A (zh) 一种手指静脉识别方法
CN104103082A (zh) 一种基于区域描述和先验知识的图像显著性检测方法
CN107392968B (zh) 融合颜色对比图和颜色空间分布图的图像显著性检测方法
CN104021523B (zh) 一种基于边缘分类的图像超分辨率放大的方法
CN108629783A (zh) 基于图像特征密度峰值搜索的图像分割方法、系统及介质
Huang et al. Human skin detection in images by MSER analysis
CN106228157A (zh) 基于图像识别技术的彩色图像文字段落分割与识别方法
CN109784216B (zh) 基于概率图的车载热成像行人检测RoIs提取方法
CN104484652A (zh) 一种指纹识别方法
CN109325498A (zh) 基于窗口动态阈值改进Canny算子的叶脉提取算法
CN107154044A (zh) 一种中餐食物图像的分割方法
CN105118051A (zh) 一种应用于静态图像人体分割的显著性检测方法
CN109509299A (zh) 一种具有人脸识别的自动售货机
CN103150575A (zh) 一种实时三维无标记人体姿态识别方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181218

RJ01 Rejection of invention patent application after publication