CN111489371A - 一种场景的直方图近似单峰分布时的图像分割方法 - Google Patents

一种场景的直方图近似单峰分布时的图像分割方法 Download PDF

Info

Publication number
CN111489371A
CN111489371A CN202010321636.1A CN202010321636A CN111489371A CN 111489371 A CN111489371 A CN 111489371A CN 202010321636 A CN202010321636 A CN 202010321636A CN 111489371 A CN111489371 A CN 111489371A
Authority
CN
China
Prior art keywords
image
histogram
segmentation
saturation
value
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.)
Granted
Application number
CN202010321636.1A
Other languages
English (en)
Other versions
CN111489371B (zh
Inventor
方艳红
赵琳
张红英
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.)
Shaanxi Weize Green Energy Environmental Protection Technology Co.,Ltd.
Original Assignee
Southwest University of Science and 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 Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN202010321636.1A priority Critical patent/CN111489371B/zh
Publication of CN111489371A publication Critical patent/CN111489371A/zh
Application granted granted Critical
Publication of CN111489371B publication Critical patent/CN111489371B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10024—Color image

Landscapes

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

Abstract

本发明提出一种场景的直方图近似单峰分布时的图像分割方法。该方法基于饱和度特性使两类均值差最大化，首先，转换原始图像到HSV色彩空间并提取出饱和度特性分量；之后，通过饱和度分量的直方图分布特性计算目标函数，寻找最大化目标函数的值作为最佳分割阈值实现图像的二值化；最后，对二值化图像进行必要的形态学操作得到最终的分割处理结果。本发明的目的在于解决场景的直方图近似单峰分布时的图像分割问题，提供一种在目标物与背景直方图差异不明显时将两类有效分割的方法，本发明方法鲁棒性良好，结果稳定可重现。

Description

一种场景的直方图近似单峰分布时的图像分割方法
技术领域
本发明涉及图像处理技术，具体来讲，涉及一种在背景与目标物的直方图分布相近情况下，将场景中的目标从背景中分割出来的方法。
背景技术
图像分割是图像处理的重要环节，广泛应用于机器视觉、目标识别等领域。由于分割的效果会受到许多因素的影响，因此没有一种能适用于各种场景的图像分割算法。在众多图像分割算法中，阈值分割算法以其简单、高效、便于理解等特性而得到了广泛的研究和应用，其中最经典的算法主要有最大类间方差法、最大熵法和最小误差法。
大津法将图像中的所有像素点以灰度级分布特性分为背景与目标两类，通过最大化两类的类间方差或最小化类内方差取出最佳分割阈值。后来，在对大津算法的研究过程中，人们发现仅仅将图像的灰度值作为最佳阈值的选取依据并不能充分地将图像上的信息利用起来，于是有人将图像的局部均值也纳入判定条件的考量中来，提出了基于灰度值及局部灰度均值的二维大津分割算法思想；针对低对比度和低信噪比图像的分割问题，在二维分割算法的启发下，进一步将灰度值的中值纳入判断考量，整理出了一种结合灰度、均值和中值信息的三维分割思想；但这种三维分割算法的时间复杂度和空间复杂度非常高，而且不能保证该算法的鲁棒性，在分割效果上也并未达到较为理想的效果；为了解决三维分割算法这一系列存在的问题，同时避免区域的误分，人们利用三维直方图重建和降维的思想来有保证算法的鲁棒性，在使算法的时间复杂度降到与基本的一维Otsu阈值分割算法一样的同时，也将算法的执行效率很大程度地做出了改善。
在处理缺陷图像的分割问题时，人们发现一些缺陷图像的直方图均接近单峰分布，理想的分割阈值分布在直方图的谷底附近位置，而用Otsu法获取的阈值往往造成很多区域错分，于是人们利用直方图谷底分布概率低这一特性，提出了一种适用于缺陷检测的强调谷底的改进Otsu算法（valley-emphasis，VE）。该算法可以有效地对小目标如缺陷图像等进行分割，算法通过权重来奖励发生概率低，也即直方图谷底处的灰度级，从而使最佳分割阈值始终在双峰的峰谷或单峰的底部及其附近取得。VE算法在缺陷检测方面表现良好，这是因为虽然缺陷范围较小，但一般来说，缺陷与背景往往存在明显的对比差异，其灰度直方图呈现峰值差异明显的大小峰分布，通过加权强调谷底位置使分布大小的差异得到适当的消减。当缺陷与背景差异较小时，其直方图不存在明显的大小峰分布，VE算法使用受限。
Otsu算法的基本前提是假设图像的灰度直方图呈明显的双峰分布，当不满足这一假设时，分割效果往往较差。当图像上两类的大小相差很大时，直方图只有一个明显的峰值。为了克服这一问题，本发明方法将两类的类内均值到全局均值的距离纳入最佳阈值判定依据。
本发明针对图像分割算法在目标与背景分布相似的情况下适应性差的问题，提供了一种有效的分割方法。本发明提供一种基于类间均值差的分割算法，在考虑权重的同时，兼顾两类的类间均值到全局均值的距离，使分割出的两类的饱和度均值远离全局均值，两类能最大程度的分开，从而达到更好的分割效果。
发明内容
本发明的目的在于解决场景的直方图近似单峰分布时的图像分割问题，提供一种在目标与背景直方图差异不明显时将两类有效分割的方法。
为实现上述方法，本发明提供一种基于饱和度特性的最大化类间均值差的目标分割方法，该方法的主要步骤如下：
步骤1，将输入的场景图像从原来的RGB转化到HSV色彩空间，并分离出其中的H、S和V分量；
步骤2，提取出其中的饱和度特性分量，建立饱和度特性直方图；
步骤3，计算最大化目标函数的饱和度值，将其作为最佳分割阈值；
步骤4，以最佳分割阈值将图像二值化；
步骤5，对步骤4得到的图像进行必要的形态学操作，得到最终的分割结果。
本发明方法在最佳分割阈值的计算过程中，将两类的类内均值到全局均值的距离纳入最佳阈值判定依据，使分割出的两类相互远离，形成更好的分割效果。
附图说明
图1为本发明的处理流程图；
图2为输入的原始场景图像；
图3为利用本发明处理图2后的分割结果。
具体实施方式
为了更好的理解本发明，下面结合具体实施方式对本发明的分割方法进行更为详细的描述。在以下的描述当中，当前已有的现有技术的详细描述也许会淡化本发明的主题内容，这些描述在这里将被忽略。本发明提出了一种图像分割方法，该方法以图像的饱和度特性分布为分割依据，遍历寻找满足条件的最佳分割阈值并进行后续处理，具体实现步骤如下：
步骤1，获取输入的场景图像101，如图2；
步骤2，从原来的RGB转化到HSV色彩空间102；
步骤3，分离出其中的H、S 103和V分量；
步骤4，提取出其中的饱和度特性分量，建立饱和度特性直方图104；
步骤5，计算最大化目标函数的饱和度值作为最佳分割阈值，所述的目标函数通过下式计算：
其中的和分别为前后景饱和度均值，为全局均值，权重由饱和度分布概率决定。
最佳分割阈值通过下式取得：
步骤6，以步骤5计算的最佳分割阈值将图像二值化105；
步骤7，对步骤6得到的图像进行必要的形态学操作106，得到最终的分割结果107。
本发明考虑类间均值的分布距离，在前后景分布相近的情况下，奖励使两类类内均值远离全局均值的阈值，促使两类相互远离，通过加权平衡类间大小的差异影响，本发明算法简单，可操作性强，复现稳定。
尽管上面对本发明说明性的具体实施方式进行了描述，但应当清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种场景的直方图近似单峰分布时的图像分割方法，其特征在于，基于饱和度特性建立直方图，将目标物与背景两类的类内均值到全局均值的距离纳入最佳阈值判定依据，使两类能最大程度地分开，从而达到更好的分割效果，具体包括以下步骤：
步骤1，获取输入的场景图像，将其由原来的RGB转化到HSV色彩空间；
步骤2，分离出其中的H、S和V分量；
步骤3，提取出其中的饱和度特性分量，建立饱和度特性直方图；
步骤4，计算最大化目标函数的饱和度值作为最佳分割阈值，所述的目标函数通过下式计算：
Figure 379216DEST_PATH_IMAGE001
其中的μ1和μ2分别为前后景饱和度均值，μ为全局均值，权重W=1-p k 由饱和度分布概率决定。
最佳分割阈值通过下式取得：
Figure 774426DEST_PATH_IMAGE002
步骤5，以步骤4计算的最佳分割阈值将图像二值化；
步骤6，对步骤5得到的图像进行必要的形态学操作，得到最终的分割结果。
2.根据权利要求1所述的一种图像分割方法，其特征在于，在计算目标函数取值时以饱和度特性的值代入式子进行计算。
3.根据权利要求1所述的一种图像分割方法，其特征在于，目标函数的值通过
Figure 588798DEST_PATH_IMAGE003
计算。
CN202010321636.1A 2020-04-22 2020-04-22 一种场景的直方图近似单峰分布时的图像分割方法 Active CN111489371B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010321636.1A CN111489371B (zh) 2020-04-22 2020-04-22 一种场景的直方图近似单峰分布时的图像分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010321636.1A CN111489371B (zh) 2020-04-22 2020-04-22 一种场景的直方图近似单峰分布时的图像分割方法

Publications (2)

Publication Number Publication Date
CN111489371A true CN111489371A (zh) 2020-08-04
CN111489371B CN111489371B (zh) 2022-11-08

Family

ID=71811046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010321636.1A Active CN111489371B (zh) 2020-04-22 2020-04-22 一种场景的直方图近似单峰分布时的图像分割方法

Country Status (1)

Country Link
CN (1) CN111489371B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066923A (zh) * 2021-11-29 2022-02-18 长春工业大学 一种基于迭代和维数分解的3D Otsu阈值分割方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10255036A (ja) * 1997-03-11 1998-09-25 Nippon Telegr & Teleph Corp <Ntt> 濃淡画像の動的な２値化方法
US6301386B1 (en) * 1998-12-09 2001-10-09 Ncr Corporation Methods and apparatus for gray image based text identification
CN102169580A (zh) * 2011-04-08 2011-08-31 中国船舶重工集团公司第七○二研究所 利用图像统计特征的自适应图像处理方法
KR20130124659A (ko) * 2012-05-07 2013-11-15 순천대학교 산학협력단 객체 분리 시스템 및 방법
CN105894487A (zh) * 2014-08-25 2016-08-24 武汉科技大学 钢材图像编号的提取与分割方法
CN106780534A (zh) * 2016-12-07 2017-05-31 西安邮电大学 基于类间相对均匀性的图像自适应阈值化方法及装置
CN107644210A (zh) * 2017-09-22 2018-01-30 哈尔滨工业大学（威海） 基于图像处理的微生物数量估算方法
CN107742297A (zh) * 2017-09-13 2018-02-27 西北工业大学 一种三维ct图像的局部三维最大类间方差分割方法
CN108665464A (zh) * 2018-04-03 2018-10-16 电子科技大学 一种基于形态学的高压电塔及高压电线的异物检测方法
CN108711140A (zh) * 2018-05-16 2018-10-26 广东欧谱曼迪科技有限公司 一种基于类间方差描述的图像亮度均匀性实时恢复方法
CN109461148A (zh) * 2018-10-30 2019-03-12 兰州交通大学 基于二维Otsu的钢轨缺陷分割自适应快速算法
US20190114464A1 (en) * 2016-03-10 2019-04-18 Genomic Vision Method of curvilinear signal detection and analysis and associated platform
CN110033458A (zh) * 2019-03-12 2019-07-19 中国矿业大学 一种基于像素梯度分布的图像阈值确定方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10255036A (ja) * 1997-03-11 1998-09-25 Nippon Telegr & Teleph Corp <Ntt> 濃淡画像の動的な２値化方法
US6301386B1 (en) * 1998-12-09 2001-10-09 Ncr Corporation Methods and apparatus for gray image based text identification
CN102169580A (zh) * 2011-04-08 2011-08-31 中国船舶重工集团公司第七○二研究所 利用图像统计特征的自适应图像处理方法
KR20130124659A (ko) * 2012-05-07 2013-11-15 순천대학교 산학협력단 객체 분리 시스템 및 방법
CN105894487A (zh) * 2014-08-25 2016-08-24 武汉科技大学 钢材图像编号的提取与分割方法
US20190114464A1 (en) * 2016-03-10 2019-04-18 Genomic Vision Method of curvilinear signal detection and analysis and associated platform
CN106780534A (zh) * 2016-12-07 2017-05-31 西安邮电大学 基于类间相对均匀性的图像自适应阈值化方法及装置
CN107742297A (zh) * 2017-09-13 2018-02-27 西北工业大学 一种三维ct图像的局部三维最大类间方差分割方法
CN107644210A (zh) * 2017-09-22 2018-01-30 哈尔滨工业大学（威海） 基于图像处理的微生物数量估算方法
CN108665464A (zh) * 2018-04-03 2018-10-16 电子科技大学 一种基于形态学的高压电塔及高压电线的异物检测方法
CN108711140A (zh) * 2018-05-16 2018-10-26 广东欧谱曼迪科技有限公司 一种基于类间方差描述的图像亮度均匀性实时恢复方法
CN109461148A (zh) * 2018-10-30 2019-03-12 兰州交通大学 基于二维Otsu的钢轨缺陷分割自适应快速算法
CN110033458A (zh) * 2019-03-12 2019-07-19 中国矿业大学 一种基于像素梯度分布的图像阈值确定方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HUI-FUANG NG: "Automatic Thresholding for Defect Detection", 《PATTERN RECOGNITION LETTERS》 *
ORLANDOJ.TOBIAS等: "Image segmentation by histogram thresholding using fuzzy sets", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 *
符增: "基于图像直方图构建及确定阈值的分割方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
谢鹏鹤: "图像阈值分割算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066923A (zh) * 2021-11-29 2022-02-18 长春工业大学 一种基于迭代和维数分解的3D Otsu阈值分割方法

Also Published As

Publication number Publication date
CN111489371B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN107578035B (zh) 基于超像素-多色彩空间的人体轮廓提取方法
Pratikakis et al. H-DIBCO 2010-handwritten document image binarization competition
CN104751142B (zh) 一种基于笔划特征的自然场景文本检测方法
Shen et al. Improving OCR performance with background image elimination
CN104361336A (zh) 一种水下视频图像的文字识别方法
CN107610144B (zh) 一种改进的基于最大类间方差法的红外图像分割方法
CN111583279A (zh) 一种基于pcba的超像素图像分割方法
Russell et al. Feature-based image patch classification for moving shadow detection
Zhu et al. Automatic object detection and segmentation from underwater images via saliency-based region merging
CN108710883B (zh) 一种采用轮廓检测的完整显著性物体检测方法
CN101447027A (zh) 磁码字符区域的二值化方法及其应用
CN110599553B (zh) 一种基于YCbCr的肤色提取及检测方法
Sindhuri et al. Text separation in document images through Otsu's method
CN111489371B (zh) 一种场景的直方图近似单峰分布时的图像分割方法
Yu et al. MSER based shadow detection in high resolution remote sensing image
Tong et al. Document image binarization based on NFCM
Mo et al. A novel edge detection method based on adaptive threshold
CN111223050A (zh) 一种实时图像边缘检测算法
CN115994921A (zh) 一种融合HSV模型和改进Otsu算法的成熟樱桃果实图像分割方法
Alajel et al. Face detection based on skin color modeling and modified Hausdorff distance
CN114820718A (zh) 一种视觉动态定位跟踪算法
Jang et al. Global thresholding algorithm based on boundary selection
Aqel et al. Traffic video surveillance: Background modeling and shadow elimination
Su et al. Effective target extraction of automatic target-scoring system
CN107451574B (zh) 一种基于类Haar视觉特征感知的运动估计方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240328

Address after: 712046, Building E3, 9th Floor, G-X050, West Yungu Phase I, Fengxi New City, Xixian New Area, Xi'an City, Shaanxi Province

Patentee after: Shaanxi Weize Green Energy Environmental Protection Technology Co.,Ltd.

Country or region after: China

Address before: 621010, No. 59, Qinglong Avenue, Fucheng District, Sichuan, Mianyang

Patentee before: Southwest University of Science and Technology

Country or region before: China