CN109658424B - 一种改进的鲁棒二维otsu阈值图像分割方法 - Google Patents

Abstract

本发明公开了一种改进的鲁棒二维OTSU阈值图像分割方法。通过在原始二维OTSU算法中对原图像使用中值滤波，增强算法对椒盐等噪声的鲁棒性；将待处理图像进行分区并基于多个区域重新定义二维OTSU算法的类间方差度量，实现背景灰度不均匀图像的阈值分割；通过单变量迭代代替二维OTSU算法中阈值穷举策略改善算法的效率。本发明的方法对加噪图像和背景亮度不均图像具有较好的分割效果,阈值搜索算法可降低搜索过程的时间开销。

Description

一种改进的鲁棒二维OTSU阈值图像分割方法

技术领域

本发明涉及图像阈值分割技术领域，尤其涉及一种改进的鲁棒二维OTSU阈值图像分割方法。

背景技术

图像分割是一种广泛应用的图像处理技术，而阈值分割方法是一类典型的图像分割算法。阈值分割方法的关键是分割阈值的选择，在众多阈值选择方法中，OTSU算法因简单有效至今仍被广泛使用。OTSU算法将图像分为前景和背景两类，并选取使两类间方差最大时对应的灰度值作为分割阈值。传统的OTSU算法仅以像素的灰度直方图作为依据，忽略了像素空间关系对前景和背景判别的作用。二维OTSU阈值分割算法较一维OTSU算法有更好的分割效果，但引入二维直方图大幅度提高了算法计算搜索的复杂性。而目前针对二维OTSU算法的改进大部分只关注如何降低算法的复杂度，而对于提升算法的抗噪性及处理背景亮度不均匀情况考虑较少。所以需要解决二维OTSU算法的抗噪性不强和对背景亮度不均匀图像的阈值分割效果差的问题。

发明内容

本发明目的是克服现有技术的不足，提供一种改进的鲁棒二维OTSU阈值图像分割方法，能够增强对椒盐噪声的适应性，提高对背景亮度不均匀的图像的分割效果。

本发明解决技术问题采用如下技术方案：

一种改进的鲁棒二维OTSU阈值图像分割方法，包括以下步骤：

步骤1，对原始灰度图像进行中值滤波，并使用中值滤波处理后的图像(f(x,y))代替原始二维灰度图像；

步骤2，将原图像的中值滤波图像和邻域均值图像(g(x,y))使用同样的方式各划分为尺寸相同的M个区域，并编号为1,2,…,M；M取值根据实际情况确定；

步骤3，对每个划分的子区域分别构建二维直方图，对于给定分割阈值(s,t)，利用二维OTSU阈值分割方法计算每个子区域l的类间距离测度函数

步骤4，根据每个子区域l的类间距离，计算整体类间距离测度函数

最后迭代搜索最优分割阈值

步骤5，根据计算得到的最优分割阈值使用下式对图像进行分割，二值图像I_B中坐标(x,y)处像素的值为：

可选的，所述的步骤3中计算每一个子区域l的类间距离的过程如下：

设子区域l的中值滤波图像f(x,y)为大小为M×N的灰度图像，灰度级为L(0,1,…,L-1)，记g(x,y)为f(x,y)的邻域均值灰度图，设邻域大小为k×k，设中值滤波图像f(x,y)像素灰度为i且其邻域均值灰度j的像素点数量记为f_ij，则概率密度p_ij为：p_ij＝f_ij/M×N,其中，i,j∈[0,L-1]，∑∑p_ij＝1,给定一对阈值(s,t)，s,t分别为灰度阈值和邻域阈值，则区域l类间距离测度函数为：

所述的u₀、u₁、u_T为当前区域前景、背景及整体的均值向量：

所述的w₀、w₁为背景和前景出现的概率：

所述的C₀和C₁为像素背景和前景：

可选的，所述的步骤4中迭代搜索最优阈值的步骤为：

a.初始化阈值(s,t)，令s,t分别为中值滤波图像和邻域均值图像的灰度均值，初始化类间距离D＝0；

b.固定灰度阈值s，在[0,L-1]中搜索使得

值最大时的邻域阈值t′，并记录相应的类间距离度量值D′；

c.固定邻域阈值t′，在[0,L-1]中搜索使得

值最大时的灰度阈值s′，并更新相应的类间距离度量值D′；

d.若s′等于s且t′等于t，则输出分割阈值(s,t)，算法结束；否则，令s＝s′,t＝t′,D＝D′，执行b。

本发明具有如下有益效果：本发明通过在原始二维OTSU算法中对原图像使用中值滤波，增强算法对椒盐等噪声的鲁棒性；将待处理图像进行分区并基于多个区域重新定义二维OTSU算法的类间方差度量，实现背景灰度不均匀图像的阈值分割；通过单变量迭代代替二维OTSU算法中阈值穷举策略改善算法的效率。本发明的方法对加噪图像和背景亮度不均图像具有较好的分割效果,阈值搜索算法可降低搜索过程的时间开销。

附图说明

图1为本发明对图像整体的分割效果对比图；

图2为本发明对噪声图像的分割效果对比图；

图3为本发明对背景不均匀图像的分割效果对比图。

具体实施方式

下面结合实施方式和实施例及附图对本发明的技术方案作进一步阐述。

实施方式

本实施方式提供了一种改进的鲁棒二维OTSU阈值图像分割方法，包括以下步骤：

步骤1，对原始灰度图像进行中值滤波，并使用中值滤波处理后的图像(f(x,y))代替原始二维灰度图像；

步骤2，将原图像的中值滤波图像和邻域均值图像(g(x,y))使用同样的方式各划分为尺寸相同的M个区域，并编号为1,2,…,M；M取值根据实际情况确定；

步骤3，对每个划分的子区域分别构建二维直方图，对于给定分割阈值(s,t)，利用二维OTSU阈值分割方法计算每个子区域l的类间距离测度函数

计算每一个子区域l的类间距离的过程如下：

设子区域l的中值滤波图像f(x,y)为大小为M×N的灰度图像，灰度级为L(0,1,…,L-1)，记g(x,y)为f(x,y)的邻域均值灰度图，设邻域大小为k×k，设中值滤波图像f(x,y)像素灰度为i且其邻域均值灰度j的像素点数量记为f_ij，则概率密度p_ij为：p_ij＝f_ij/M×N,其中，i,j∈[0,L-1]，∑∑p_ij＝1,给定一对阈值(s,t)，s,t分别为灰度阈值和邻域阈值，则区域l类间距离测度函数为：

所述的u₀、u₁、u_T为当前区域前景、背景及整体的均值向量：

所述的w₀、w₁为背景和前景出现的概率：

所述的C₀和C₁为像素背景和前景：

步骤4，根据每个子区域l的类间距离，计算整体类间距离测度函数

最后迭代搜索最优分割阈值

迭代搜索最优阈值的步骤为：

a.初始化阈值(s,t)，令s,t分别为中值滤波图像和邻域均值图像的灰度均值，初始化类间距离D＝0；

b.固定灰度阈值s，在[0,L-1]中搜索使得

值最大时的邻域阈值t′，并记录相应的类间距离度量值D′；

c.固定邻域阈值t′，在[0,L-1]中搜索使得

值最大时的灰度阈值s′，并更新相应的类间距离度量值D′；

d.若s′等于s且t′等于t，则输出分割阈值(s,t)，算法结束；否则，令s＝s′,t＝t′,D＝D′，执行b；

步骤5，根据计算得到的最优分割阈值使用下式对图像进行分割，二值图像I_B中坐标(x,y)处像素的值为：

实施例

本实施例采用的实验环境为：Win764位旗舰版，

Core(TM)i5-2415MCPU@2.30GHz,RAM 8.00GB，仿真软件为MATLAB R2012b。实验使用图像为经典的Rice，Coins，Lena和Cameraman。其中除了coins图像分辨率为246*300，其它三幅图像分辨率均为256*256。

在四张经典的实验图像上进行对比试验，按照具体实施方式对图像进行分割，对比结果如图1所示，第一列为原图像，第二列为原始二维OTSU算法分割结果；第三列为本发明方法的分割结果。本发明的方法与原始二维OTSU算法相比具有更好的分割效果，其中对Rice图像的分割结果中，在背景偏暗的图像下部位置，本发明的方法对前景目标检出效果明显优于原始二维Otsu算法的分割效果；对于Cameraman图像，本发明方法在草地背景区域分割结果较原始二维OTSU算法分割的背景区域包含更少的伪前景。

为验证本发明的方法对噪声的鲁棒性，使用高斯噪声和椒盐噪声两种常见噪声进行验证，将这两种噪声加入到Coins图像中，按照具体实施方式进行处理，图2为本发明方法和原始二维OTSU算法对含噪图像的分割效果对比，图2中的(a)是无噪声图像，(b)是含椒盐噪声图像(c)是含高斯噪声图像，(d)～(f)是原始二维OTSU算法分割效果，(g)～(k)本是本发明方法分割效果，从图2可以看出原始二维OTSU算法对含椒盐噪声图像的分割结果中，背景区域掺杂大量伪前景像素点，对含高斯噪声图像的分割结果中背景区域也含有少量的伪前景像素点。而本发明的方法对无噪声图像、椒盐噪声图像和高斯噪声图像都有很好的分割结果(背景区域不含或基本不含伪前景像素)。

对于背景亮度不均匀的Rice图像，采用具体实施方式进行处理，图3为本发明方法及原始二维OTSU算法对背景亮度不均匀图像的分割结果。图3中(a)是原始图像，(b)是原始二维OTSU算法分割效果，在图像底部较暗区域的前景目标出现大量丢失的情况，且在图形上部背景区域中存在少量的伪前景像素点，图(c)是本发明方法的分割效果，可以看出对较暗区域的前景目标分割效果较好且在整个图像区域基本不存在伪前景像素点(噪声像素点)。

表1为本发明方法的运行时间及分割阈值的对比统计结果,算法运行时间为5次实验结果的平均值。由表1可知，本发明方法得到的灰度阈值比原始二维OTSU算法的灰度阈值低，这有助于改善原始二维OTSU算法处理背景亮度不均匀图像时前景目标丢失的问题。此外，本发明通过划分子区域对二维OTSU算法进行了改进，时间开销虽然大于原始二维OTSU算法，但因为使用了阈值搜索优化，时间开销小于不使用阈值搜索优化的改进的二维OTSU基准算法，验证了阈值搜索过程优化的有效性。

表1算法运行时间及最优分割阈值

本发明为提升原始二维Otsu阈值算法对噪声、背景亮度不均匀图像的分割效果，提出了一种改进的鲁棒二维Otsu阈值算法及迭代阈值搜索优化方法。实验结果表明本发明的方法对噪声图像和背景不均匀图像具有良好的分割效果，同时本发明的迭代阈值搜索方法可降低阈值搜索过程的时间开销。

最后应说明的是：以上实施方式和实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式和实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施方式和实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施方式和实施例技术方案的精神和范围。

Claims (2)

1.一种改进的鲁棒二维OTSU阈值图像分割方法，其特征在于，包括以下步骤：

步骤1，对原始灰度图像进行中值滤波，并使用中值滤波处理后的图像(f(x,y))代替原始二维灰度图像；

步骤2，将原图像的中值滤波图像和邻域均值图像(g(x,y))使用同样的方式各划分为尺寸相同的M个区域，并编号为1,2,…,M；M取值根据实际情况确定；

步骤3，对每个划分的子区域分别构建二维直方图，对于给定分割阈值(s,t)，利用二维OTSU阈值分割方法计算每个子区域l的类间距离测度函数

步骤4，根据每个子区域l的类间距离，计算整体类间距离测度函数

最后迭代搜索最优分割阈值

步骤5，根据计算得到的最优分割阈值使用下式对图像进行分割，二值图像I_B中坐标(x,y)处像素的值为：

其中，所述的步骤4中迭代搜索最优阈值的步骤为：

a.初始化阈值(s,t)，令s,t分别为中值滤波图像和邻域均值图像的灰度均值，初始化类间距离D＝0；

b.固定灰度阈值s，在[0,L-1]中搜索使得

值最大时的邻域阈值t′，并记录相应的类间距离度量值D′；

c.固定邻域阈值t′，在[0,L-1]中搜索使得

值最大时的灰度阈值s′，并更新相应的类间距离度量值D′；

d.若s′等于s且t′等于t，则输出分割阈值(s,t)，算法结束；否则，令s＝s′,t＝t′,D＝D′，执行b。

2.根据权利要求1所述的一种改进的鲁棒二维OTSU阈值图像分割方法,其特征在于，所述的步骤3中计算每一个子区域l的类间距离的过程如下：

设子区域l的中值滤波图像f(x,y)为大小为M×N的灰度图像，灰度级为L(0,1,...,L-1)，记g(x,y)为f(x,y)的邻域均值灰度图，设邻域大小为k×k，设中值滤波图像f(x,y)像素灰度为i且其邻域均值灰度j的像素点数量记为f_ij，则概率密度p_ij为：p_ij＝f_ij/M×N,其中，i,j∈[0,L-1]，∑∑p_ij＝1,给定一对阈值(s,t)，s,t分别为灰度阈值和邻域阈值，则区域l类间距离测度函数为：

所述的u₀、u₁、u_T为当前区域前景、背景及整体的均值向量：

所述的w₀、w₁为背景和前景出现的概率：

所述的C₀和C₁为像素背景和前景：

Images