CN113129326B - 灰度图像的自适应阈值分割方法 - Google Patents
灰度图像的自适应阈值分割方法 Download PDFInfo
- Publication number
- CN113129326B CN113129326B CN202110669680.6A CN202110669680A CN113129326B CN 113129326 B CN113129326 B CN 113129326B CN 202110669680 A CN202110669680 A CN 202110669680A CN 113129326 B CN113129326 B CN 113129326B
- Authority
- CN
- China
- Prior art keywords
- gray
- value
- initial image
- image
- 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.)
- Active
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001914 filtration Methods 0.000 claims abstract description 54
- 230000003044 adaptive effect Effects 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 239000000126 substance Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06T5/20—Image enhancement or restoration using local 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
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请是关于一种灰度图像的自适应阈值分割的方法。该方法包括:基于窗口滑动策略,使用选定窗口对初始图像进行区域滤波处理,得到所述初始图像中各个像素点对应的灰度滤波值,将所述初始图像中各个像素点的灰度值替换为各个像素点对应的灰度滤波值,得到灰度滤波图像。使用选定框值减去选定窗口内首列像素点的灰度值之和,再加上新增一列像素点的灰度值之和,即完成选定框值的更新,由此无需重复对选定窗口内所有的像素点进行计算,大大节省了运算成本,另外可选择传进目标背景掩膜,去除非目标背景干扰。
Description
技术领域
本申请涉及图像处理领域,尤其涉及灰度图像的自适应阈值分割方法。
背景技术
相关技术中,在对图像阈值分割时,非目标背景会对目标背景灰度值分割计算产生干扰,使阈值分割图像失真;图像的灰度值计算量大,且步骤繁琐,目前常用的自适应阈值分割方法通常使用预设大小的矩形窗口在图像中逐像素滑动,滑动前后的每个窗口对应的图像区域中,每次滑动都需要通过累加或者积分图的方式重新完整计算窗口内所有像素值之和,再求取每个窗口的平均灰度值,直到滑动窗口遍历整个图像,再对整个过程即对图像进行均值滤波,这一过程的操作非常繁复,计算巨大,且对于实时的图像,会有及时性不足的缺点。
发明内容
为克服相关技术中存在的问题,本申请提供一种灰度图像的自适应阈值分割方法,该灰度图像的自适应阈值分割方法,能够避免在带有干扰的非目标背景边缘外分割出正常背景,且可以多线程处理图像灰度值,每个窗口的灰度值计算更简便。
将所述初始图像中的每行像素点和每列像素点依次排号,第i行第j列像素点的灰度值为NiMj,当选定窗口中心的像素点为第a行第b列时,对应的选定窗口为所述初始图像从第q行到第n行与从第p列到第m列之间的区域,其中a的值在q到n之间,b的值在p到m之间,若遍历方向为竖向时,所述像素点对应的所述窗口灰度值的计算公式为:
若遍历方向为横向时,该像素点对应的该窗口灰度值公式为:
其中,为第q行到第n行以及第p列到第m列的所述初始图像的窗口
灰度值;为所述初始图像的第n列上的m-p+1个像素点的灰度值之和,为所述初始图像的第m行上的n-q+1个像素点的灰度值之和;该窗口灰度值为
选定窗口内掩膜覆盖区域所有像素点的灰度值之和;将该初始图像中各个像素点的灰度值
替换为各个像素点对应的灰度滤波值,得到灰度滤波图像。
在一种实施方法中,在使用该选定窗口对初始图像进行一次区域滤波处理之前,使用目标背景掩膜对初始图像进行阈值分割处理,得到选定窗口分割图像。该目标背景掩膜的设定,包括:根据该初始图像的灰度值,进行正常区域背景的灰度值阈值范围的设定,其中,阈值范围可以通过感兴趣区域设定或特定算法定位提取。
在一种实施方法中,选定窗口从所述初始图像一侧滑动到另一侧,以所述初始图像上的每个像素点为中心,得到所述窗口灰度值和所述选定窗口分割图像。以所述选定窗口分割图像,计算灰度值大于零的像素点的数量总值,得到非零像素点数量。以所述窗口内掩膜覆盖区域灰度值和所述非零像素点数量计算得到灰度均值。将所述灰度均值与该均值对应的像素点灰度值作差,得到灰度差值。将所述灰度差值与灰度偏差阈值比较,进行灰度值二值化,得到灰度滤波值。
在一种实施方法中,选定窗口内掩膜覆盖区域所有像素点的灰度值之和,除以该目标分割图像中灰度值大于零的像素点的数量总值,得到的数值,为该目标分割图像对应的灰度均值。
灰度均值的计算公式为:
在一种实施方法中,灰度偏差阈值为,根据该初始图像的目标的灰度值参数,设置的弥补灰度值误差的参数,若该初始图像的目标的灰度值参数较目标背景高时,使用正向二值化,初始图像的目标的灰度值比背景越高,则该灰度偏差阈值的参数越小,若该初始图像的目标的灰度值参数较目标背景低时,使用反向二值化,初始图像的目标的灰度值比背景越低,则该灰度偏差阈值的参数越大。
在一种实施方法中,灰度滤波值为经过灰度偏差阈值二值化后的预设的定值或为零,若灰度差值小于灰度偏差阈值,则二值化后灰度滤波值为定值,若灰度差值大于灰度偏差阈值,则二值化后灰度滤波值为零。
在一种实施方法中,灰度滤波图像为将各个像素点对应的灰度滤波值,替换到该初始图像中各个对应的像素点中后,初始图像灰度值更新后呈现的图像。
在一种实施方法中,选定窗口的尺寸设置方案为,以遍历的像素点为中心,拓展选定窗口,根据所要遍历的所述初始图像的大小,设置所述选定窗口的尺寸,所述初始图像中的目标越大,则需将所述选定窗口的尺寸设置的越大,以对目标进行完整分割。
在一种实施方法中,若当前遍历的选定窗口不能被该初始图像的像素点充满时,采用镜像处理的方式,在该选定窗口内,将没有像素点填充的区域,以选定窗口内中心像素点为对称中心,镜像复制对称像素点,扩展到该没有像素点填充的区域。
在一种实施方法中,选定窗口以所述初始图像上的像素点为中心,逐个像素点滑动,直至遍历所述初始图像中的各个像素点之后,包括:采用OpenMP对遍历过程中待遍历滤波处理的像素点进行并行处理,以及SIMD指令集优化寄存。
本申请提供的技术方案可以包括以下有益效果:假设遍历方向为横向遍历,则使用选定框值减去选定窗口内首列像素点的灰度值之和,再加上新增一列像素点的灰度值之和,即完成选定框值的更新,由此无需重复对选定窗口内所有的像素点进行计算,大大节省了运算成本,使灰度值计算流程更简便,另外可选择传进目标背景掩膜,去除非目标背景干扰。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本申请实施例示出的灰度图像的自适应阈值分割的流程示意图;
图2是本申请实施例示出的灰度滤波值二值化的逻辑流程示意图;
图3是本申请实施例示出的灰度初始图像示意图;
图4是本申请实施例示出的传统自适应阈值分割的效果示意图;
图5是本申请实施例示出的本方案自适应阈值分割的效果示意图;
图6是本申请实施例示出的镜像扩展以及灰度滤波值替换的具象化示意图;
图7是本申请实施例示出的选定窗口横向遍历的路径示意图;
图8是本申请实施例示出的选定窗口竖向遍历的路径示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
针对上述问题,本申请实施例提供一种灰度图像的自适应阈值分割方法,能够在对灰度图像阈值分割时,避免非目标背景边缘对正常目标背景的影响,每个窗口的灰度值计算更简便,且可以多线程处理图像灰度值。
以下结合附图详细描述本申请实施例的技术方案。
实施例一。
本申请实施例示出的是灰度图像的自适应阈值分割的流程。参考图1,本申请实施例中灰度图像的自适应阈值分割实施例如下。
101,基于窗口滑动策略,使用选定窗口对初始图像进行区域滤波处理,得到所述初始图像中各个像素点对应的灰度滤波值。
根据所要遍历的初始图像的大小,设置选定窗口的尺寸,所述初始图像中的目标越大,则需将所述选定窗口的尺寸设置的越大,以对目标进行完整分割,以作为中心的像素点为基准,对称左右扩展相同列数,对称上下扩展相同行数,形成选定窗口。
该窗口滑动策略包括:所述选定窗口以所述初始图像上的像素点为中心,逐个像素点滑动,直至遍历完所述初始图像中的各个像素点,在遍历过程中根据遍历方向,计算选定窗口中各行或各列的灰度值之和,每次滑动后以窗口灰度值公式计算,得到初始图像中各个像素点对应的窗口灰度值。
将初始图像中的每行像素点和每列像素点依次排号,第i行第j列像素点的灰度值为NiMj,当选定窗口中心的像素点为第a行第b列时,对应的选定窗口为所述初始图像从第q行到第n行与从第p列到第m列之间的区域,其中a的值在q到n之间,b的值在p到m之间。当像素点对应的选定窗口为第q行到第n行以及第p列到第m列时,若遍历方向为竖向时,如附图8所示的遍历路径,所述像素点对应的所述窗口灰度值公式为:
若遍历方向为横向时,如附图7所示的遍历路径,所述像素点对应的所述窗口灰度值公式为:
区域的滤波处理为,先将目标背景掩膜传入选定窗口,对图像进行阈值分割,得到所述窗口灰度值。先计算选定窗口分割图像内灰度值大于零的像素点的数量总值,得到非零像素点数量,以选定窗口中的窗口灰度值,除以非零像素点数量,得到目标分割图像对应的灰度均值,计算灰度均值的计算公式为:
灰度均值与中心像素点的灰度值作差,得到灰度差值,用灰度差值与灰度偏差阈值做二值化处理,得到像素点对应的灰度滤波值。
102,获得初始图像中各个像素点对应的灰度滤波值。
选定窗口以初始图像上的每个像素点作为中心,每个像素点都进行了灰度值滤波处理,每个像素点都计算出了其对应的灰度滤波值,采用OpenMP进行并行处理,多线程的处理方式,快速的将每个像素点的灰度滤波值寄存到寄存器中。
103,将所述初始图像中各个像素点的灰度值替换为各个像素点对应的灰度滤波值,得到灰度滤波图像。
将寄存器内各个像素点对应的灰度滤波值取出,替换掉初始图像中对应像素点的灰度滤波值,将初始图像中的每个像素点的灰度值都替换掉后,就得到了新的灰度滤波图像,并采用SIMD指令集,优化寄存速度。
本申请实施例可以对目标图像进行自适应的灰度偏差阈值分割,将如图3所示的灰度初始图像,运用目标背景掩膜,进行阈值分割,避免非目标背景边缘对正常目标背景的影响,通过灰度滤波处理,再代入图3的灰度初始图像中后,本方案得到的是如图5所示的自适应阈值分割的效果图,而现有技术方案,没有对非目标背景的影响进行排除,会导致滤波图像如图4传统自适应阈值分割的效果图所示,失真以及被非目标背景干扰。
在选定窗口对初始图像进行区域滤波处理时,使用目标背景掩膜对图像阈值分割,排除非目标背景边缘对正常目标背景的影响,减小灰度差值的计算误差,使得在灰度值二值化处理后得到的灰度滤波图像更准确。假设遍历方向为横向遍历,则使用选定框值减去选定窗口内首列像素点的灰度值之和,再加上新增一列像素点的灰度值之和,即完成选定框值的更新,由此无需重复对选定窗口内所有的像素点进行计算,大大节省了运算成本,使灰度值计算流程更简便,且运用OpenMP并行处理以及SIMD指令集,多线程的处理图像灰度值,使选定窗口内灰度值的计算速度加快,以初始图像得到灰度滤波图像的效率更高。
实施例二。
本申请实施例示出的是灰度滤波值二值化的逻辑流程。参考图2,本申请实施例中灰度滤波值二值化的逻辑流程实施例如下。
201,使用所述选定窗口选定所述初始图像的局部区域后,使用目标背景掩膜对所述局部区域的图像进行阈值分割处理,得到目标分割图像。
将设置好的目标背景掩膜传入选定窗口中,设定阈值的范围来排除非目标背景图像对目标背景图像的影响,在用该目标背景掩膜阈值分割局部区域图像后,将得到的目标分割图像进行灰度值的参数计算。
202,根据局部区域与所述目标分割图像,计算得到所述目标分割图像的灰度均值。
将局部区域中掩膜覆盖区域各个像素点的灰度值的累加,得到灰度值累加总值,再将目标分割图像中灰度值大于零的像素点的数量进行累加,得到灰度值非零像素点的数量总值,以灰度值累加总值除以灰度值非零像素点的数量总值,得到的商值,为所述目标分割图像对应的灰度均值。
203,将所述灰度均值与中心像素点的灰度值作差,得到灰度差值。
204,灰度值差值是否小于灰度偏差阈值。
将灰度值差值与预设的灰度偏差阈值进行比较,若灰度差值小于灰度偏差阈值,则进入流程205,若灰度差值大于等于灰度偏差阈值,则进入流程206。
其中,灰度偏差阈值的参数设置,要依据初始图像的目标的灰度值参数,若所述初始图像的目标的灰度值参数较目标背景高时,使用正向二值化,初始图像目标的灰度值比背景越高,则所述灰度偏差阈值的参数越小,若所述初始图像的目标的灰度值参数较目标背景低时,使用反向二值化,初始图像的目标灰度值比背景越低,则所述灰度偏差阈值的参数越大。
205,设定该像素点的灰度滤波值为S。
206,设定该像素点的灰度滤波值为0。
207,得到中心像素点对应的灰度滤波值。
对比判断过后,得到中心像素点对应的灰度滤波值,并将中心像素点对应的灰度滤波值经用SIMD指令集存入寄存器。
本实施例方案在对局部区域进行二值化处理前,先设置目标背景掩膜,用预设灰度值阈值范围的方法,排除非目标背景图像对灰度均值计算的影响,增加了灰度值滤波的准确性。而对灰度差值用灰度偏差阈值比较,降低了初始图像本身的灰度值参数给阈值分割带来的影响。
实施例三。
本申请实施例示出的是镜像扩展像素点以及自适应阈值分割以及灰度滤波值替换的示例。
如图6所示,601为初始图像的放大图,602为初始图像的像素点图,603为选定窗口的局部区域图像。当选定窗口以初始图像的边界的像素点作为中心时,即所述选定窗口并不能被所述初始图像的像素点充满时,局部区域图像603有部分区域本是虚线的无像素点区域,为了排除这些无像素点区域的灰度值对灰度均值的计算产生影响,本方案采用镜像处理的方式,在选定窗口内,将没有像素点填充的区域,以中心像素点为对称中心,镜像复制对称像素点,扩展到所述没有像素点填充的区域,如图6中6011所示,以局部区域图像603中存在的像素点,对称扩展到虚线无像素点区域,将局部区域图像603的像素点填补满后,再进行灰度均值的计算。
当局部区域图像603内的灰度均值计算完毕后,计算灰度差值并与灰度偏差阈值进行二值化处理,得到的局部区域图像603对应的,初始图像像素点图602中的像素点的灰度滤波值,遍历滤波完每个像素点后,将各个像素点对应的灰度滤波值一一对应替换。
本实施例所示例的镜像扩展像素点的方法,在选定窗口以初始图像的边界的像素点作为中心时,局部区域图像不能被像素点填满时,将已有的像素点以中心像素点为对称中心,扩展到无像素点区域,这样扩展后的灰度均值计算,不会因为边缘无像素点的原因,而产生很大的均值差异,对局部区域图像的灰度均值计算起到了消除无像素点灰度值差异的影响。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
实施例四。
本实施例示例出的是对于采用OpenMP对遍历过程中待遍历滤波处理的像素点进行并行处理,以及SIMD指令集优化寄存的方案。
本方案采用的OpenMP全称为Open Multi-Processing,提供了对并行算法的高层的抽象描述,程序员通过在源代码中加入专用的pragma来指明自己的意图,由此编译器可以自动将程序进行并行化,并在必要之处加入同步互斥以及通信。
本方案采用的SIMD全称为Single Instruction Multiple Data,单指令多数据流,能够复制多个操作数,并把它们打包在大型寄存器的一组指令集。
通过OpenMP和SIMD,可以多线程的处理图像灰度值,使选定窗口内灰度值的计算速度加快,并操作存储多个灰度滤波值数据,使得初始图像得到灰度滤波图像的速度更快。
Claims (10)
1.一种灰度图像的自适应阈值分割的方法,其特征在于,包括:
基于窗口滑动策略,使用选定窗口对初始图像进行区域滤波处理,得到所述初始图像中各个像素点对应的灰度滤波值;
所述窗口滑动策略包括:所述选定窗口以所述初始图像上的像素点为中心,逐个像素点滑动,直至遍历所述初始图像中的各个像素点,在遍历过程中根据遍历方向,计算选定窗口中各行或各列的灰度值之和,每次滑动后以窗口灰度值的计算公式,得到所述初始图像中的各个像素点对应的窗口灰度值;
将所述初始图像中的每行像素点和每列像素点依次排号,第i行第j列像素点的灰度值为NiMj,当所述选定窗口中心的像素点为第a行第b列时,对应的选定窗口为所述初始图像从第q行到第n行与从第p列到第m列之间的区域,其中a的值在q到n之间,b的值在p到m之间,若遍历方向为竖向时,所述像素点对应的所述窗口灰度值的计算公式为:
若遍历方向为横向时,所述像素点对应的所述窗口灰度值的计算公式为:
所述窗口灰度值为选定窗口内所有像素点的灰度值之和;
将所述初始图像中各个像素点的灰度值替换为各个像素点对应的灰度滤波值,得到灰度滤波图像。
2.根据权利要求1所述的灰度图像的自适应阈值分割的方法,其特征在于,
其中,使用所述选定窗口对初始图像进行一次区域滤波处理之前,使用目标背景掩膜对所述初始图像进行阈值分割处理,得到选定窗口分割图像;
所述目标背景掩膜的设定,包括:根据所述初始图像的灰度值,进行正常区域背景的灰度值阈值范围的设定,其中,阈值范围能够通过感兴趣区域设定。
3.根据权利要求2所述的灰度图像的自适应阈值分割的方法,其特征在于,所述基于窗口滑动策略,使用选定窗口对初始图像进行的区域滤波处理包括:
选定窗口从所述初始图像一侧滑动到另一侧,以所述初始图像上的每个像素点为中心,得到所述窗口灰度值和所述选定窗口分割图像;
以所述选定窗口分割图像,计算灰度值大于零的像素点的数量总值,得到非零像素点数量;
以所述窗口内掩膜覆盖区域灰度值和所述非零像素点数量计算得到灰度均值;
将所述灰度均值与该均值对应的像素点灰度值作差,得到灰度差值;
将所述灰度差值与灰度偏差阈值比较,进行灰度值二值化,得到灰度滤波值。
5.根据权利要求3所述的灰度图像的自适应阈值分割的方法,其特征在于,
所述灰度偏差阈值为,根据所述初始图像的目标的灰度值参数,设置的弥补灰度值误差的参数;
若所述初始图像的目标的灰度值参数较目标背景高时,使用正向二值化,初始图像的目标的灰度值比背景越高,则所述灰度偏差阈值的参数越小;
若所述初始图像的目标的灰度值参数较目标背景低时,使用反向二值化,初始图像的目标的灰度值比背景越低,则所述灰度偏差阈值的参数越大。
6.根据权利要求3所述的灰度图像的自适应阈值分割的方法,其特征在于,
所述将所述灰度差值与灰度偏差阈值比较,进行灰度值二值化,得到灰度滤波值,包括:
灰度滤波值为经过灰度偏差阈值二值化后的预设的定值或为零,若灰度差值小于灰度偏差阈值,则二值化后灰度滤波值为定值,若灰度差值大于灰度偏差阈值,则二值化后灰度滤波值为零。
7.根据权利要求3所述的灰度图像的自适应阈值分割的方法,其特征在于,
所述灰度滤波图像为将各个像素点对应的灰度滤波值,替换到所述初始图像中各个对应的像素点中后,初始图像灰度值更新后呈现的图像。
8.根据权利要求1所述的灰度图像的自适应阈值分割的方法,其特征在于,
所述选定窗口的尺寸设置方案为,以遍历的像素点为中心,拓展选定窗口,根据所要遍历的所述初始图像的大小,设置所述选定窗口的尺寸,所述初始图像中的目标越大,则需将所述选定窗口的尺寸设置的越大,以对目标进行完整分割。
9.根据权利要求3所述的灰度图像的自适应阈值分割的方法,其特征在于,
若当前遍历的选定窗口不能被所述初始图像的像素点充满时,采用镜像处理的方式,在所述选定窗口内,将没有像素点填充的区域,以选定窗口内中心像素点为对称中心,镜像复制对称像素点,扩展到所述没有像素点填充的区域。
10.根据权利要求1所述的灰度图像的自适应阈值分割的方法,其特征在于,
所述选定窗口以所述初始图像上的像素点为中心,逐个像素点滑动,直至遍历所述初始图像中的各个像素点之后,包括:采用OpenMP对遍历过程中待遍历滤波处理的像素点进行并行处理,以及SIMD指令集优化寄存。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669680.6A CN113129326B (zh) | 2021-06-17 | 2021-06-17 | 灰度图像的自适应阈值分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669680.6A CN113129326B (zh) | 2021-06-17 | 2021-06-17 | 灰度图像的自适应阈值分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113129326A CN113129326A (zh) | 2021-07-16 |
CN113129326B true CN113129326B (zh) | 2021-11-12 |
Family
ID=76783011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110669680.6A Active CN113129326B (zh) | 2021-06-17 | 2021-06-17 | 灰度图像的自适应阈值分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129326B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067122B (zh) * | 2022-01-18 | 2022-04-08 | 深圳市绿洲光生物技术有限公司 | 一种两级式二值化图像处理方法 |
CN115131351B (zh) * | 2022-08-31 | 2022-11-18 | 微山宏捷机械有限公司 | 基于红外图像的机油散热器检测方法 |
CN115802056B (zh) * | 2023-01-31 | 2023-05-05 | 南通凯沃智能装备有限公司 | 用于移动终端的用户数据压缩存储方法 |
CN115984148B (zh) * | 2023-03-21 | 2023-06-16 | 吉林华瑞基因科技有限公司 | 一种高通量基因测序数据的去噪增强方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875412A (zh) * | 2017-02-28 | 2017-06-20 | 重庆理工大学 | 一种基于色差的两个重叠果实的分割定位方法 |
CN111598076A (zh) * | 2020-05-25 | 2020-08-28 | 北京明略软件系统有限公司 | 一种标签图像中日期检测处理方法及装置 |
CN112766154A (zh) * | 2021-01-19 | 2021-05-07 | 中国地质大学(武汉) | 一种高分辨率sar图像建筑物叠掩提取方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354847B (zh) * | 2015-11-10 | 2018-11-02 | 浙江大学 | 基于滑动比较窗口自适应分割的水果表面缺陷检测方法 |
CN108682004A (zh) * | 2018-04-16 | 2018-10-19 | 华中科技大学 | 一种基于局部信息的复杂背景下红外弱小目标检测方法 |
CN111539436B (zh) * | 2020-04-20 | 2022-02-15 | 上海工程技术大学 | 一种基于一字模板匹配的轨道扣件定位方法 |
-
2021
- 2021-06-17 CN CN202110669680.6A patent/CN113129326B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875412A (zh) * | 2017-02-28 | 2017-06-20 | 重庆理工大学 | 一种基于色差的两个重叠果实的分割定位方法 |
CN111598076A (zh) * | 2020-05-25 | 2020-08-28 | 北京明略软件系统有限公司 | 一种标签图像中日期检测处理方法及装置 |
CN112766154A (zh) * | 2021-01-19 | 2021-05-07 | 中国地质大学(武汉) | 一种高分辨率sar图像建筑物叠掩提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113129326A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113129326B (zh) | 灰度图像的自适应阈值分割方法 | |
US10628701B2 (en) | System and method for improved general object detection using neural networks | |
CN104517110B (zh) | 一种二维码图像的二值化方法及系统 | |
CN105740876B (zh) | 一种图像预处理方法及装置 | |
CN106446896A (zh) | 一种字符分割方法、装置及电子设备 | |
CN109583340A (zh) | 一种基于深度学习的视频目标检测方法 | |
CN107633226A (zh) | 一种人体动作跟踪识别方法及系统 | |
CN102131058A (zh) | 高清数字视频帧速率变换处理模块及其方法 | |
CN114399640B (zh) | 一种不确定区域发现与模型改进的道路分割方法及装置 | |
CN108288020A (zh) | 基于上下文信息的视频遮挡检测系统及方法 | |
CN115587964A (zh) | 一种基于熵筛选的伪标签交叉一致性变化检测方法 | |
CN112801021B (zh) | 基于多级语义信息的车道线检测方法及系统 | |
CN114419006A (zh) | 一种随背景变化的灰度视频文字类水印去除方法及系统 | |
CN112037173B (zh) | 染色体检测方法、装置及电子设备 | |
CN111640134B (zh) | 人脸跟踪方法、装置、计算机设备及其存储装置 | |
CN115830514B (zh) | 一种适用于带弯曲河道的全河段表面流速计算方法及系统 | |
CN112085767A (zh) | 一种基于深度光流跟踪的客流统计方法及系统 | |
CN104112264A (zh) | 一种基于局部方差图像增强的优化方法 | |
CN115063679A (zh) | 一种基于深度学习的路面质量评估方法 | |
CN111028245B (zh) | 一种多模态复合的高清高速视频背景建模方法 | |
CN114998689A (zh) | 一种轨道数据集的生成方法、轨道识别方法和系统 | |
CN103514609A (zh) | 一种基于反馈的运动物体分割的图像处理方法 | |
Shi et al. | Meta mask correction for nuclei segmentation in histopathological image | |
WO2013038225A1 (en) | Methods and apparatus for image analysis and modification using fast sliding parabola erosion | |
Gharehchopogh et al. | A novel approach for edge detection in images based on cellular learning automata |
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 |