TWI503789B - An Automatic Threshold Selection Method for Image Processing - Google Patents
An Automatic Threshold Selection Method for Image Processing Download PDFInfo
- Publication number
- TWI503789B TWI503789B TW102147114A TW102147114A TWI503789B TW I503789 B TWI503789 B TW I503789B TW 102147114 A TW102147114 A TW 102147114A TW 102147114 A TW102147114 A TW 102147114A TW I503789 B TWI503789 B TW I503789B
- Authority
- TW
- Taiwan
- Prior art keywords
- histogram
- image processing
- peak
- ray image
- automatic threshold
- Prior art date
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Description
本發明係關於一種影像處理之方法,特別是關於一種影像處理之自動閥值選擇方法。
一直以來,常使用影像切割法處理具有不同灰階的影像,如何高速且準確的前景/背景切割,是個熱門並且也在實務上有重要性的主題,但影像切割的效果,往往與速度成反比關係,較快的演算法,效果一般,也就是往往切割的不是很好,其他則反之,例如說:MAGIC WAND,此知名的方法在PHOTOSHOP出現,演算法簡單,速度快,但效果卻不算好。其他的有如Intelligent Scissors,可以選擇想切割的物件的每個邊緣點,所以效果是近乎完美的,但卻要花不少人力。
習知的自動閥值選擇影像分割法常用到二值化處理方法,其主要特徵為尋找一個或數個閥值,然後將影像的某一區灰階值大於或等於閥值的像素轉換成白色(255階),將影像的某一區灰階值小於閥值的像素轉換成黑色(0階),以增加對比,區別出前景與背景,因此如何做好閥值的選擇,將影響影像切割法對一影像處理的品質。
請參閱第一圖所示,為一種具有假峰值之影像直
方圖。如圖所示,對於一張影像而言,從灰階的直方圖當中可以區分出不同亮度的物體或者層次,其中直方圖對應該灰階的像素數量越多,表示該灰階值越有代表性,適合用來代表影像中的物體,因此我們的目標是從直方圖中找到具有代表性的灰階值(峰值)。但是一般影像的直方圖並不是完美的平滑曲線,即使人眼看得出來有明確的峰值,但實際上存在許多的「假峰值」(False peaks),這些假峰值將造成錯誤閥值的選擇。
X光影像之自動閥值選擇影像分割法較常見的是Otsu演算法與Segzin自動閥值演算法;Otsu對於影像只有單一物件能夠有效將物體與背景分離開,但此法無法自動判斷所需之閥值數目(需事先決定),且具有計算量隨閥值數量呈現指數成長的問題;Segzin自動閥值演算法則完全不需任何直方圖閥值數量,先前資訊即可自動決定合適的閥值數,但運算量非常龐大。
所以目前業界極需發展出一種能夠自動判斷出真正峰值的方法,可以支援自動閥值選擇影像分割法作正確的自動閥值選擇,如此一來,方能同時兼具速度與維持影像切割正確性,提升整體影像處理之品質。
鑒於上述習知技術之缺點,本發明之主要目的在於提供一種影像處理之自動閥值選擇方法,整合一灰階影
像、一直方圖、一第二直方圖、一二階曲線擬合法等,以快速、正確完成自動閥值選擇,提昇影像處理之品質。
為了達到上述目的,根據本發明所提出之一方案,提供一種影像處理之自動閥值選擇方法,其包括:(A)將一灰階影像轉換為一直方圖,其中,該直方圖包含像素數量及其相對應之灰階值資訊;(B)利用一二階曲線擬合法擬合該直方圖以得到一第二直方圖,其中該第二直方圖包含至少一峰區,該峰區包含至少一候選峰值;(C)從該每一峰區中挑選出具有最大之候選峰值為該峰區之峰值;(D)挑選相連的兩個峰值間最少像素數量之相對應灰階值為閥值。
直方圖係以影像的的灰階範圍為X軸,以各灰階值所擁有的像素數量為Y軸;步驟(B)中二階曲線擬合法是利用二階最小平方法擬合(fitting)該直方圖;二階曲線擬合直方圖係表示利用一二階多項式去模擬直方圖曲線,而二階多項式(y=a2x2+a1x+a0)其中的參數(a2、a1、a0)計算,則是
其中,a i =[a i2 a i1 a i0]T是第i個直方圖的多項式參數、,x j 是影像的灰階值、y j 是灰階x j 的像素數量。
由第一圖可知,一個直方圖中具有相當數量的peak,每一個peak即代表一個峰區,每一個峰區中,可能有相當數量的假峰值,於是本發明利用二階曲線擬合法模擬出每一個峰區中的曲線,確認出每一個峰區中的候選峰值(某一
小peak的像素數),然後再從每一峰區中挑選出最大候選峰值為該峰區之峰值;最後挑選相連的兩個峰值間最少像素數量之相對應灰階值為閥值。
為了達到上述目的,根據本發明所提出之另一方案,提供一種X光影像處理方法,其包括:(1)獲得一X光影像,並利用高斯濾波過濾該X光影像雜訊;(2)利用一自動閥值選擇分割演算法處理該X光影像,其中利用本發明提出之一種影像處理之自動閥值選擇方法進行自動閥值選擇;(3)利用一邊界標記演算法處理該步驟(2)後之X光影像。
上述X光影像處理方法,其中,高斯濾波也稱高斯平滑,他是用來減少影像雜訊及降低細節層次,屬於一個低通濾波器;而該邊界標記演算法則是用以找出邊界像素;該邊界像素係滿足下列條件:S(i,j)≠S(i,j-1) or S(i,j)≠S(i-1,j)其中,S(i,j)係為位置座標在(x,j)的像素之灰階值。
以上之概述與接下來的詳細說明及附圖,皆是為了能進一步說明本創作達到預定目的所採取的方式、手段及功效。而有關本創作的其他目的及優點,將在後續的說明及圖式中加以闡述。
10‧‧‧直方圖
11‧‧‧假峰值
30‧‧‧第二直方圖
31‧‧‧候選峰值
32‧‧‧峰區
41‧‧‧峰值
42‧‧‧閥值
71‧‧‧邊緣像素
S‧‧‧影像
第一圖係為本發明一種具有假峰值之影像直方圖;
第二圖係為本發明一種二階曲線擬合法擬合示意圖;第三圖係為本發明一種二次曲線擬合法擬合後之直方圖;第四圖係為本發明一種自動閥值選擇之示意圖;第五圖係為本發明一種X光影像處理方法流程圖;第六圖係為本發明一種經過自動閥值選擇分割演算法切割前(左)及切割後(右)之X光影像;第七圖係為本發明一種邊界標記演算法示意圖;第八圖係為本發明一種X光影像處理方法處理後之輸出影像;第九圖係為本發明一種X光影像處理方法處理後之輸出影像(右)與Otsu(左)、Sezgin(中)處理後之輸出影像之比較圖。
以下係藉由特定的具體實例說明本創作之實施方式,熟悉此技藝之人士可由本說明書所揭示之內容輕易地了解本創作之優點及功效。
請參閱第一圖所示,為本發明一種具有假峰值之影像直方圖。如圖所示,對於一張影像之直方圖(10)而言,實際上存在許多的「假峰值」(False peaks)(11),這些假峰值(11)
將影響自動閥值的選擇,因此本發明提出一個能夠自動判斷出真正峰值的自動閥值選擇演算法。
請參閱第二圖所示,為本發明一種二階曲線擬合法擬合示意圖。如圖所示,在本發明中,本案提出最小平方法擬合(Local Least-Square Curve Fitting)如第一圖所示直方圖(10)內的曲線;假設要估測的灰階值為第i個直方圖資訊,將±w的視窗內的直方圖資訊做一個二階多項式的擬合,如第二圖所示,圖中的黑點為直方圖的資訊,針對視窗內的資料做二階曲線擬合,並以此重新估計第i個直方圖資訊,以此類推,重新擬合整個直方圖;本發明提出二階最小平方法擬合直方圖內的曲線,其方法如下:
其中a i =[a i2 a i1 a i0]T是第i個直方圖資訊的多項式參數,,x j 是視窗內的灰階值,y j 是灰階x j 的直方圖之值,以線性最小平方法即可得到最佳擬合參數如下:a i =(X T X)-1 X T y i 其中X=[x i-w …x i+w ]T,y i =[y i-w …y i+w ]T;因為二次曲線為一拋物線,所以我們可以直接利用拋物線的數學特性,從二次曲線的係數來判斷第i個灰階值是否為直方圖當中的「候選峰值」(Peak candidates)。其判斷準則為:(1)二次項係數a 2必需為負值才是開口向下的拋物線(2)|a 2|必需有一定程度的大小才能代表峰值(大於一自訂的臨界值)(3)擬合後重新估測的第i個
灰階直方圖的值必需大於視窗(第i個灰階直方圖)兩側的值。請參閱第三圖所示,為本發明一種二次曲線擬合法擬合後之直方圖。如圖所示,第三圖為重新擬合後的第二直方圖(30)及候選峰值示意圖,小圓圈表示候選峰值(31)。我們可以看到原本存在許多假峰值(11)的直方圖(10)變得非常平滑,候選峰值(31)的位置也具有代表性,此時,擬合後的第二直方圖(30)中每一個peak稱為峰區(32)。
請參閱第四圖所示,為本發明一種自動閥值選擇之示意圖。如圖所示,由於每一個峰區(32)的候選峰值(31)可能有很多,因此我們從每一個峰區(32)中連續的候選峰值(31)中挑選出具有最大之候選峰值(31)為該峰區(32)之峰值(41)(如小圓圈所示),然後再挑選相連的兩個峰值(41)間最少像素數量之相對應灰階值為閥值(如「+」所示)(42)。
請參閱第五圖所示,為本發明一種X光影像處理方法流程圖。如圖所示,本發明提出一種X光影像處理方法,其步驟包括:(1)獲得一X光影像,並利用高斯濾波過濾該X光影像雜訊(S501)後轉換為一直方圖(10)(S502);(2)利用一自動閥值選擇分割演算法處理該X光影像,其中利用本發明提出之一種影像處理之自動閥值選擇方法進行自動閥值選擇(S503);(3)利用一邊界標記演算法處理該步驟(2)後之X光影像(504)。
上述自動閥值選擇分割演算法係為習知二值化
影像分割法,其差異的部分是在於本實施例利用如本發明提出之一種影像處理之自動閥值選擇方法進行自動閥值選擇(如S503)。
請參閱第六圖所示,為本發明一種經過自動閥值選擇分割演算法切割前(左)及切割後(右)之X光影像。如圖所示,將X光影像經過高斯低通濾波器之後,再經過本發明提出之一種影像處理之自動閥值選擇方法進行自動閥值選擇後,可得到構造相當單純,幾乎沒有雜訊點之影像,因此不需要複雜的演算法來標記邊界。請參閱第七圖所示,為本發明一種邊界標記演算法示意圖,如圖所示這裡我們提出一個簡單的邊界標記演算法:給定一張本發明自動閥值選擇分割演算法切割後的影像S,影像中的像素S(i,j)要是邊界像素(71)必需滿足以下條件:S(i,j)≠S(i,j-1) or S(i,j)≠S(i-1,j)。上述演算法非常簡單而且快速,而且邊界像素(71)一定只有一個像素的厚度。
請參閱第八圖所示,為本發明一種X光影像處理方法處理後之輸出影像。如圖所示,經自動閥值選擇分割演算法切割後的影像S(左)與經邊界標記演算法處理過後之輸出影像(右)可以證實本發明的X光影像處理方法能將牙齒的輪廓標記出來,並標記出牙齒內的的明暗層次之邊界。
請參閱第九圖所示,為本發明一種X光影像處理
方法處理後之輸出影像(右)與Otsu(左)、Sezgin(中)處理後之輸出影像之比較圖。如圖所示,Otsu被固定要找到4群(3個閥值),而Segzin可自動決定數量,但是兩者找到的閥值對於切割時會造成較多的零碎區域,而本發明案提出一種X光影像處理方法則是能找到比較具有代表性的閥值,因此只會標記出明顯的明暗層次的邊界。
上述之實施例僅為例示性說明本創作之特點及功效,非用以限制本創作之實質技術內容的範圍。任何熟悉此技藝之人士均可在不違背創作之精神及範疇下,對上述實施例進行修飾與變化。因此,本創作之權利保護範圍,應如後述之申請專利範圍所列。
S501-S504‧‧‧步驟
Claims (7)
- 一種影像處理之自動閥值選擇方法,其步驟包括:(A)將一灰階影像轉換為一直方圖,其中,該直方圖包含像素數量及其相對應之灰階值資訊;(B)利用一二階曲線擬合法擬合該直方圖以得到一第二直方圖,其中該第二直方圖包含至少一峰區,該峰區包含至少一候選峰值;(C)從該每一峰區中挑選出具有最大之候選峰值為該峰區之峰值;(D)挑選相連的兩個峰值間最少像素數量之相對應灰階值為閥值。
- 如申請專利範圍第1項所述影像處理之閥值選擇方法,其中,該二階曲線擬合法利用二階最小平方法擬合該直方圖。
- 如申請專利範圍第2項所述影像處理之自動閥值選擇方法,其中,該二階最小平方法的參數計算係為:
- 如申請專利範圍第3項所述影像處理之自動閥值選擇方法,其中,該二次項係數a 2係小於零。
- 一種X光影像處理方法,其步驟包括: (1)獲得一X光影像,並利用高斯濾波過濾該X光影像雜訊後轉換為一直方圖;(2)利用一自動閥值選擇分割演算法處理該X光影像,其中利用如申請專利範圍第1項之方法進行自動閥值選擇;(3)利用一邊界標記演算法處理該步驟(2)後之X光影像。
- 如申請專利範圍第5項所述X光影像處理方法,其中,該邊界標記演算法係用以找出邊界像素。
- 如申請專利範圍第6項所述X光影像處理方法,其中,該邊界像素係滿足下列條件:S(i,j)≠S(i,j-1) or S(i,j)≠S(i-1,j)其中,S(i,j)係為位置座標在(x,j)的像素之灰階值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102147114A TWI503789B (zh) | 2013-12-19 | 2013-12-19 | An Automatic Threshold Selection Method for Image Processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102147114A TWI503789B (zh) | 2013-12-19 | 2013-12-19 | An Automatic Threshold Selection Method for Image Processing |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201525943A TW201525943A (zh) | 2015-07-01 |
TWI503789B true TWI503789B (zh) | 2015-10-11 |
Family
ID=54197729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102147114A TWI503789B (zh) | 2013-12-19 | 2013-12-19 | An Automatic Threshold Selection Method for Image Processing |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI503789B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200814745A (en) * | 2006-05-17 | 2008-03-16 | Sony Corp | Image correction circuit, image correction method and image display |
CN101795361A (zh) * | 2009-01-30 | 2010-08-04 | 索尼公司 | 用于基于两个影像的匹配进行深度估计的二维多项式模型 |
TW201313187A (zh) * | 2011-09-30 | 2013-04-01 | Digital Technology Corp Ag | 利用人體紅外線熱圖進行疾病檢測之方法及系統 |
CN103430208A (zh) * | 2011-03-10 | 2013-12-04 | 欧姆龙株式会社 | 图像处理装置、图像处理方法以及控制程序 |
-
2013
- 2013-12-19 TW TW102147114A patent/TWI503789B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200814745A (en) * | 2006-05-17 | 2008-03-16 | Sony Corp | Image correction circuit, image correction method and image display |
CN101795361A (zh) * | 2009-01-30 | 2010-08-04 | 索尼公司 | 用于基于两个影像的匹配进行深度估计的二维多项式模型 |
CN103430208A (zh) * | 2011-03-10 | 2013-12-04 | 欧姆龙株式会社 | 图像处理装置、图像处理方法以及控制程序 |
TW201313187A (zh) * | 2011-09-30 | 2013-04-01 | Digital Technology Corp Ag | 利用人體紅外線熱圖進行疾病檢測之方法及系統 |
Also Published As
Publication number | Publication date |
---|---|
TW201525943A (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876743B (zh) | 一种图像快速去雾方法、系统、终端及存储介质 | |
KR101448164B1 (ko) | 파라미터 최적화를 이용한 영상의 안개 제거 방법 | |
Zhu et al. | Single image dehazing using color attenuation prior. | |
US20180101751A1 (en) | Systems and methods for detection and localization of image and document forgery | |
CN108537756B (zh) | 基于图像融合的单幅图像去雾方法 | |
JP6136537B2 (ja) | 画像処理装置、画像処理方法、画像処理制御プログラム、および記録媒体 | |
CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
US20130215234A1 (en) | Method and apparatus for stereo matching | |
CN108447068B (zh) | 三元图自动生成方法及利用该三元图的前景提取方法 | |
CN107481210B (zh) | 基于细节的局部选择性映射的红外图像增强方法 | |
CN107784637B (zh) | 一种红外图像增强的方法 | |
CN107609558A (zh) | 文字图像处理方法及装置 | |
CN108182671B (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
CN108133462B (zh) | 一种基于梯度场区域分割的单幅图像的复原方法 | |
CN105701491A (zh) | 固定格式文档图像模版的制作方法及其应用 | |
CN105023246B (zh) | 一种基于对比度和结构相似度的图像增强方法 | |
CN111340692A (zh) | 一种红外图像动态范围压缩以及对比度增强算法 | |
CN113505702A (zh) | 基于双神经网络优化的路面病害识别方法及系统 | |
CN106709876B (zh) | 一种基于暗像元原理的光学遥感图像去雾方法 | |
CN113487473B (zh) | 一种添加图像水印的方法、装置、电子设备及存储介质 | |
Lee et al. | Ramp distribution-based contrast enhancement techniques and over-contrast measure | |
CN112825189B (zh) | 一种图像去雾方法及相关设备 | |
TWI503789B (zh) | An Automatic Threshold Selection Method for Image Processing | |
CN108305234B (zh) | 一种基于最优化模型的双直方图均衡方法 | |
Wang et al. | Tunnel lining crack recognition based on improved multiscale retinex and sobel edge detection |