CN109087326A - 基于局部自适应的Otsu算法 - Google Patents
基于局部自适应的Otsu算法 Download PDFInfo
- Publication number
- CN109087326A CN109087326A CN201811086866.3A CN201811086866A CN109087326A CN 109087326 A CN109087326 A CN 109087326A CN 201811086866 A CN201811086866 A CN 201811086866A CN 109087326 A CN109087326 A CN 109087326A
- Authority
- CN
- China
- Prior art keywords
- image
- adaptive
- otsu
- otsu algorithm
- sliding window
- 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.)
- Withdrawn
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
Abstract
基于局部自适应的Otsu算法,其具体方法是利用滑动窗口遍历整幅图像,对每一个窗口进行Otsu阈值分割得到每个局部的二值图像,再将这些二值图像利用图像拼接技术,拼接得到整幅图像分割结果。实验结果表明,本算法的分割效果要优于原有的Otsu算法,并且显著降低了时间开销。利用本技术方案可以达到图像分割的实时要求。
Description
技术领域
本发明属于计算机图像处理领域,特别涉及基于局部自适应的Otsu算法。
背景技术
由于不受图像对比度和亮度变化的影响,Otsu算法常被用于图像分割问题。虽然该算法比较简单,但计算方差时需要遍历图像中的所有像素,导致时间开销较大,因而难以运用到实时的图像处理系统中。此外,如果仅仅利用图像的灰度直方图来选取图像分割的阈值,往往难以获得最佳阈值,从而难以获得较好的分割结果。
发明内容
本发明的目的是提供基于局部自适应的Otsu算法,为了提高图像分割效果,针对一维Otsu算法提出了一种局部自适应的阈值分割方法。
基于局部自适应的Otsu算法,其具体方法是利用滑动窗口遍历整幅图像,针对每一个滑动窗口进行阈值分割后,再利用拼接技术还原图像。
实验结果表明,本文算法的分割效果要优于一维Otsu算法,并且还降低了算法实现的时间开销。
其优点在于:
本技术方案在算法实现的时间开销方面明显优于经典的一维Otsu算法,不仅可以运用到实时的图像处理系统中,还达到很好的分割效果。
附图说明
图1为一维Otsu算法过程。
图2为图像灰度级与类间方差关系图。
图3为局部自适应的Otsu算法滑动窗口未遍历位置(1)。
图4为局部自适应的Otsu算法滑动窗口未遍历位置(2)。
图5为局部自适应的Otsu算法滑动窗口未遍历位置(3)。
图6为局部自适应的Otsu算法滑动窗口未遍历位置(4)。
图7为基于局部自适应的Otsu算法分割结果,(原始图像)。
图8为基于局部自适应的Otsu算法分割结果,(Otsu全局阈值分割结果)。
图9为基于局部自适应的Otsu算法分割结果,(Otsu局部自适应阈值分割结果)。
具体实施方式
基于局部自适应的Otsu算法:
一维Otsu算法原理可以表述如下:假设图像有L个灰度级,灰度值为i的像素总数为n,而整个图像的像素总数为N,则灰度值i在图像中所占的比例为且有设置阈值为T,并将图像灰度级分为2类,即所说的前景和背景。令前景A=(1,2,...,T),背景B=(T+1,T+2,...,L-1),T∈(0,L-1),可以得出 A、B在图像中所占的比例分别为:
进而可以得出A,B灰度值均值为:
则图像总灰度均值为
最终得到图像类间方差为:
σ2=pA(wA-w0)2+pB(wB-w0)2 (1)。
由式(1)可知,σ2越大则A、B灰度差别越大。当σ2最大时,可得阈值T′为
为了更加清楚地理解一维Otsu算法过程,给出了图1。
算法改进:
本技术方案提出了一种基于局部自适应的Otsu算法。同时,为了降低算法的时间复杂度,做出了相应的改进。
在提出解决问题之前,发现Otsu算法具有两个比较有趣的现象:
(1)利用Otsu算法进行图像分割。如果针对图像采取缩小操作,Otsu算法得到的阈值基本不会改变。利用大量图像(5000张,100×100、200×200、300 ×300、400×400、500×500分辨率图像各1000张)进行实验,发现将图像缩小至0.5倍、0.4倍甚至到0.1倍后,再对图像进行Otsu分割,所得的阈值保持不变。可以总结:如果对大尺寸图像(200×200及以上)进行缩小操作,然后利用Otsu算法得到阈值,再对原图像分割将会大大减小时间开销;然而,如果图像尺寸过小(100×100或者更低分辨率),利用此方法会得到错误阈值。
(2)图2是图7中原图像灰度级与类间方差的关系图。从中可见看到,在灰度级逐渐变大过程,类间方差经历两个变大变小阶段,即会出现两个抛物线。然而,这种现象不是某个场景图像所独有的。通过对大量图像(5000张图像) 实验发现,所有图像都是在灰度级区间出现两个抛物线现象。这表明随着灰度级逐渐上升,不可能出现相邻两个灰度级剧烈跳变的情况,即灰度级与类间方差之间关系是连续的。实际上通过对式(1)可以看出,灰度级与类间方差之间关系是连续的函数,图像趋势符合该公式。
针对上述现象,本技术方案可以从两个方面降低时间开销。
(1)针对符合一定尺寸(分辨率超过100×100)的图像采取缩小(缩小后的分辨率不宜低于100×100)操作后,再利用Otsu算法计算阈值,一般缩小至 1/3倍为宜。如果图像的分辨率小于100×100,则图像不采取缩小操作,而是直接利用Otsu算法计算阈值。
(2)由于场景图像都符合图2现象,即灰度级与类间方差之间的关系是一种平滑的曲线关系,相邻灰度级不可能出现跳变情况,且对图像分割效果没有影响。因而,可以将256灰度级,每隔一个灰度级计算类间方差。如此操作,计算类间方差时会减少一半的计算量,即只遍历128个灰度级,这种方法大大缩减了Otsu算法的时间开销。
本技术方案根据全局阈值法的局限性,提出了一种基于局部自适应的Otsu 图像分割方法。具体过程是:(1)首先创建一个滑动窗口(是一种不重叠的窗口),从左到右、从上到下遍历整幅图像;(2)在遍历的过程中,对每个窗口图像利用Otsu算法计算阈值并分割图像;通过遍历,可以得到每个局部图像的二值图像;(3)最后将二值化图像利用图像拼接技术进行拼接,拼接成与原图一样大小的分割图像。
在遍历过程中,需要考虑3种情况:(1)如果图像右边有多余的像素没有被滑动窗口遍历到,但是图像下边刚好被遍历完毕,此时需要把图像右边提取出来进行Otsu阈值化,并进行横向图像拼接,此种情况见图3;(2)如果图像下边有多余的像素没有被滑动窗口遍历到,但是图像右边刚好被遍历完毕,此时需要把图像下边提取出来进行Otsu阈值化,并进行纵向图像拼接,此种情况见图4;(3)如果图像下边有多余的像素没有被滑动窗口遍历到,图像右边也有多余的像素没有被滑动窗口遍历到,此时需要把图像分成两块,并有两种方式进行拼接:(a)将图像按照图5分块,先进行横向拼接,再进行纵向拼接,顺序不可颠倒;(b)将图像按照图6分块,先进行纵向拼接,再进行横向拼接,顺序也不可颠倒。当所有局部图像进行拼接完成,则整个算法过程也随之结束。
实验结果与分析:
如图7-9是实验得出的结果,图中指示牌的信息已经显示出来,可以看到基于局部自适应的Otsu算法的分割结果要比经典算法结果要好。
Claims (5)
1.基于局部自适应的Otsu算法,其特征在于包括下列步骤:
创建一个滑动窗口,是一种不重叠的窗口,从左到右、从上到下遍历整幅图像;在遍历的过程中,对每个窗口图像利用Otsu算法计算阈值并分割图像;通过遍历,可以得到每个局部图像的二值图像;最后将二值图像利用图像拼接技术,拼接成与原图一样大小的分割图像。
2.根据权利要求1所述的基于局部自适应的Otsu算法,其特征在于包括下列步骤:如果窗口还存在没有遍历过的位置,则对图像进行分块处理,然后利用Otsu算法进行计算阈值分割,最终将其拼接成与原图一样大小的分割图像。
3.根据权利要求2所述的基于局部自适应的Otsu算法,其特征在于包括下列步骤:1)如果图像右边有多余的像素没有被滑动窗口遍历到,但是图像下边刚好被遍历完毕,此时需要把图像右边提取出来进行Otsu阈值化,并进行横向图像拼接;2)如果图像下边有多余的像素没有被滑动窗口遍历到,但是图像右边刚好被遍历完毕,此时需要把图像下边提取出来进行Otsu阈值化,并进行纵向图像拼接;3)如果图像下边有多余的像素没有被滑动窗口遍历到,图像右边也有多余的像素没有被滑动窗口遍历到,此时需要把图像分成两块进行拼接;当所有局部图像完成拼接,则整个算法过程也随之结束。
4.根据权利要求3所述的基于局部自适应的Otsu算法,其特征在于包括下列步骤:所述的3)如果图像下边有多余的像素没有被滑动窗口遍历到,图像右边也有多余的像素没有被滑动窗口遍历到,此时需要把图像分成两块拼接,有两种方式进行拼接:a)先将图像进行横向拼接,然后再进行纵向拼接,顺序不可颠倒;b)先将图像进行纵向拼接,然后再进行横向拼接,顺序也不可颠倒。
5.根据权利要求1所述的基于局部自适应Otsu算法,其特征在于包括下列步骤:进行Otsu算法,1)对符合分辨率大于300×300的图像进行缩小,一般缩小至原始图像的1/3为宜,如果缩小后图像分辨率小于100×100,则不缩放;2)每隔一个灰度级计算类间方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811086866.3A CN109087326A (zh) | 2018-09-18 | 2018-09-18 | 基于局部自适应的Otsu算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811086866.3A CN109087326A (zh) | 2018-09-18 | 2018-09-18 | 基于局部自适应的Otsu算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109087326A true CN109087326A (zh) | 2018-12-25 |
Family
ID=64841922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811086866.3A Withdrawn CN109087326A (zh) | 2018-09-18 | 2018-09-18 | 基于局部自适应的Otsu算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109087326A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490885A (zh) * | 2019-08-26 | 2019-11-22 | 易思维(杭州)科技有限公司 | 改进的自适应阈值二值化方法及vin码字符分割方法 |
CN111047601A (zh) * | 2019-11-22 | 2020-04-21 | 重庆邮电大学 | 一种局部窗口大小自适应的工业ct图像分割方法 |
CN111273305A (zh) * | 2020-02-18 | 2020-06-12 | 中国科学院合肥物质科学研究院 | 基于全局与局部栅格图多传感器融合道路提取与索引方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930280A (zh) * | 2012-10-05 | 2013-02-13 | 中国电子科技集团公司第十研究所 | 从红外图像中自动识别架空高压线的方法 |
CN103902985A (zh) * | 2014-04-15 | 2014-07-02 | 安徽工程大学 | 一种基于roi的强鲁棒性实时车道侦测算法 |
CN104637047A (zh) * | 2013-11-13 | 2015-05-20 | 北京慧眼智行科技有限公司 | 一种图像处理方法及装置 |
CN104915647A (zh) * | 2015-06-02 | 2015-09-16 | 长安大学 | 一种高速公路前方车辆的检测方法 |
CN106666767A (zh) * | 2016-11-18 | 2017-05-17 | 辽宁工业大学 | 一种基于视觉技术的高效葵花籽脱壳方法 |
CN108073931A (zh) * | 2016-11-08 | 2018-05-25 | 广州城市职业学院 | 一种复杂背景图像下去除非文字图形的方法 |
CN108256385A (zh) * | 2016-12-28 | 2018-07-06 | 南宁市浩发科技有限公司 | 基于视觉的前方车辆检测方法 |
-
2018
- 2018-09-18 CN CN201811086866.3A patent/CN109087326A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930280A (zh) * | 2012-10-05 | 2013-02-13 | 中国电子科技集团公司第十研究所 | 从红外图像中自动识别架空高压线的方法 |
CN104637047A (zh) * | 2013-11-13 | 2015-05-20 | 北京慧眼智行科技有限公司 | 一种图像处理方法及装置 |
CN103902985A (zh) * | 2014-04-15 | 2014-07-02 | 安徽工程大学 | 一种基于roi的强鲁棒性实时车道侦测算法 |
CN104915647A (zh) * | 2015-06-02 | 2015-09-16 | 长安大学 | 一种高速公路前方车辆的检测方法 |
CN108073931A (zh) * | 2016-11-08 | 2018-05-25 | 广州城市职业学院 | 一种复杂背景图像下去除非文字图形的方法 |
CN106666767A (zh) * | 2016-11-18 | 2017-05-17 | 辽宁工业大学 | 一种基于视觉技术的高效葵花籽脱壳方法 |
CN108256385A (zh) * | 2016-12-28 | 2018-07-06 | 南宁市浩发科技有限公司 | 基于视觉的前方车辆检测方法 |
Non-Patent Citations (3)
Title |
---|
RUI JIAN 等: "A Dynamic Sliding Window based on Otsu method for binary license plate and character recognition", 《APPLIED MECHANICS AND MATERIALS》 * |
通天意: "智能手机场景文字综合处理系统设计", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
郭瑞峰 等: "一种改进的一维Otsu快速算法", 《现代电子技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490885A (zh) * | 2019-08-26 | 2019-11-22 | 易思维(杭州)科技有限公司 | 改进的自适应阈值二值化方法及vin码字符分割方法 |
CN110490885B (zh) * | 2019-08-26 | 2021-12-03 | 易思维(杭州)科技有限公司 | 改进的自适应阈值二值化方法及vin码字符分割方法 |
CN111047601A (zh) * | 2019-11-22 | 2020-04-21 | 重庆邮电大学 | 一种局部窗口大小自适应的工业ct图像分割方法 |
CN111273305A (zh) * | 2020-02-18 | 2020-06-12 | 中国科学院合肥物质科学研究院 | 基于全局与局部栅格图多传感器融合道路提取与索引方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11398037B2 (en) | Method and apparatus for performing segmentation of an image | |
CN102113015B (zh) | 使用修补技术进行图像校正 | |
CN109409366B (zh) | 基于角点检测的畸变图像校正方法及装置 | |
JP4740657B2 (ja) | カラーセグメンテーションに基づくステレオ3次元再構成システムおよびプロセス | |
US8983178B2 (en) | Apparatus and method for performing segment-based disparity decomposition | |
US8280165B2 (en) | System and method for segmenting foreground and background in a video | |
CN109087326A (zh) | 基于局部自适应的Otsu算法 | |
US7848571B2 (en) | Computer-implemented method for efficient image segmentation using automated saddle-point detection | |
JP2006318474A (ja) | 画像シーケンス内のオブジェクトを追跡するための方法及び装置 | |
JP5836831B2 (ja) | 画像修正装置及びそのプログラム | |
US8395824B2 (en) | Method for determining ground line | |
US7873226B2 (en) | Image encoding apparatus | |
US20240153097A1 (en) | Methods and Systems for Automatically Generating Backdrop Imagery for a Graphical User Interface | |
CN112801021B (zh) | 基于多级语义信息的车道线检测方法及系统 | |
CN116664643A (zh) | 基于SuperPoint算法的铁路列车图像配准方法及设备 | |
CN111179281A (zh) | 人体图像提取方法及人体动作视频提取方法 | |
CN113965697B (zh) | 基于连续帧信息的视差成像方法、电子设备及存储介质 | |
CN110223241A (zh) | 一种基于分块统计的直方图均衡方法 | |
Zafarifar et al. | Blue sky detection for picture quality enhancement | |
CN113256484B (zh) | 一种对图像进行风格化处理的方法及装置 | |
CN111383247A (zh) | 增强金字塔lk光流算法图像跟踪稳定性的方法 | |
Khanykov | Technique for Acceleration of Classical Ward's Method for Clustering of Image Pixels | |
CN110717875B (zh) | 一种高清图像处理方法 | |
US20020159749A1 (en) | Method and apparatus for motion estimation in image-sequences with efficient content-based smoothness constraint | |
Amintoosi et al. | Precise image registration with structural similarity error measurement applied to superresolution |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181225 |