【導(dǎo)讀】在人類(lèi)獲取的信息中，視覺(jué)信息約占60%，聽(tīng)覺(jué)約占20%，其它約占20%。圖像二值化是圖像預(yù)處理中的一項(xiàng)重要技術(shù)，在模式識(shí)別、光學(xué)字符識(shí)別、醫(yī)學(xué)成像等方面都有重要應(yīng)用。方法以及利用軟件工具進(jìn)行算法的實(shí)現(xiàn)。算法，并對(duì)這些算法運(yùn)行的實(shí)驗(yàn)結(jié)果進(jìn)行分析與比較。

　　

【正文】 的大小為 MN? 。由于 I 中的元素不是每個(gè)都是在 33? 窗口的中心，所以需要對(duì)灰度圖像 I 進(jìn)行擴(kuò)展。首先創(chuàng)建一個(gè) )2()2( ??? MN 的矩陣 extend，把矩陣 I 中的像素 ),()1,1( jiIjie x t e nd ??? ，而第一行和最后一行，第一列和最后一列的填充依據(jù)是以它靠近的行或列為對(duì)稱軸進(jìn)行填充。遍歷從)2,2(extend 到 )1,1( ?? MNextend 的像素，并取以當(dāng)前像素為中心的 33? 窗口的最大像素 max 和最小像素 min，依據(jù)公式 m in)(m ???t 求出閾值 t 。把灰度圖像矩陣 I 賦值于另一矩陣 B ，以免改變當(dāng)前得到的灰度圖像矩陣。遍歷該矩陣B ，對(duì)當(dāng)前灰度值與 t 比較，如果大于賦予 1，判為目標(biāo)像素類(lèi)，否則賦予 0，作為背景像素類(lèi)。顯示得到的二值圖像 B 。 南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計(jì) )論文 24 Bernsen 方法流程圖如圖 所示。 讀入灰度圖像 I 以 I 的邊界為對(duì)稱軸擴(kuò)展為 N+2， M+2 的 extend 矩陣 N+2， M+2 的 extend 矩陣 求出以 ),( jiextend 為中心的 3? 3 窗口的 max 和 min 依公式 t=? (max + min)求出當(dāng)前窗口的閾值 t 開(kāi) 始 tjiextend ?),( 1)1,1( ?jib 顯示二值圖像 結(jié) 束 0)1,1( ?jib N Y 圖 Bernsen 方法流程圖 南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計(jì) )論文 25 第五章 Otsu方法和 Bernsen方法實(shí)驗(yàn)比較 本設(shè)計(jì)只是對(duì)于 bmp 格式灰度圖像進(jìn)行研究。用 Otsu 方法和 Bernsen 方法對(duì)圖像進(jìn)行二值化處理， 以下為研究對(duì)象的幾張?jiān)紙D像如圖 所示。 (a) (b) (c) (d) (e) (f) 圖 原圖 (a) lena 原始圖像 (128128)； (b)peppers 原始圖像 (128128)； (c)plane 原始圖像 (128128)； (d) lena 原始圖像 (512512)； (e)peppers 原始圖像 (512512)； (f)plane 原始圖像 (512512) Otsu方法實(shí)驗(yàn)結(jié)果分析 對(duì)圖 這六幅圖像都采用 Otsu 算法進(jìn)行圖像二值化處理。其結(jié)果如圖所示。 lena(128 128)、 lena(512 512)原始圖像通過(guò) Otsu 方法二值化后的所得到的二值圖像如圖 所示。 peppers(128 128)、 peppers(512 512)原始圖像通過(guò) Otsu方法二值化后的所得到的二值圖像如圖 所示。 plane(128 128)、 plane(512512)原始圖像通過(guò) Otsu 方法二值化后的所得 到的二值圖像如圖 所示。 南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計(jì) )論文 26 (a)二值 lena 圖像 (128128) (b)二值 lena 圖像 (512512) 圖 Otsu 方法二值化 lena 圖像 (a)二值 peppers 圖像 (128128) (b)二值 peppers 圖像 (512512) 圖 Otsu 方法二值化 peppers 圖像 (a) 二值 plane 圖像 (128128) (b)二值 plane 圖像 (512512） 圖 Otsu 方法二值化 plane 圖像 南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計(jì) )論文 27 實(shí)驗(yàn)結(jié)果分析如表 。 表 Otsu 方法處理不同像素的不同圖像 性能指標(biāo) 圖 圖 圖 圖 圖 圖 閾值 (T) 109 129 114 118 96 106 時(shí)間 (S)/s 熵值 (H) 圖 (a)為 128 128 的圖像，圖 (b)為 512 512 的圖像。以圖 為例， lena512 512 的圖像時(shí)間為 ，閾值為 129； lena128 128 的時(shí)間為 ，閾值為 109。可知， 512 512 圖像的執(zhí)行時(shí)間要比 128 128 圖像的時(shí)間要長(zhǎng)，說(shuō)明圖像越大，用 Otsu 方法對(duì)其進(jìn)行二值化處理所需時(shí)間越長(zhǎng)；大圖像的閾值也比小圖像要大。熵值是衡量圖像有序化程度的一個(gè)度量，熵值越低圖像越有序，圖 即 lena(512 512)在進(jìn)行比較的圖像中是最混亂的。 Bernsen方法結(jié)果分析 對(duì)圖 這六幅圖像都采用 Bernsen 算法進(jìn)行圖像二值化處理。其結(jié)果如圖所示。 lena(128128)、 lena(512512)原始圖像通過(guò) Bernsen 方法二值化后的所得到的二值圖像如圖 所示。 peppers(128128)、 peppers(512512)原始圖像通過(guò)Bernsen 方法二值化后的所得到的二值圖像如圖 所示。 plane(128128)、plane(512512)原始圖像通過(guò) Bernsen 方法二值化后的所得到的二值圖像如圖 所示。 (a)二值 lena 圖像 (128128)； (b)二值 lena 圖像 (512512) 圖 Bernsen 方法二值化 lena 圖像 南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計(jì) )論文 28 (a)二值 peppers 圖像 (128128) (b)二值 peppers 圖像 (512512) (a)二值 plane 圖像 (128128) (b)二值 plane 圖像 (512512) 圖 Bernsen 方法二值化 plane 圖像 實(shí)驗(yàn)結(jié)果分析如表 。 表 Bernsen 方法處理不同像素的不同圖像 性能指標(biāo) 圖 圖 圖 圖 圖 圖 閾值 (T) 時(shí)間 (S)/s 熵值 (H) 因?yàn)?Bernsen 方法不存在預(yù)取閾值，得到的都是局部閾值，隨像素的變化而變 化，所以沒(méi)有固定的閾值。圖像越大用 Bernsen 算法對(duì)其進(jìn)行二值化處理的時(shí)間越長(zhǎng)。 南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計(jì) )論文 29 0tsu方法和 Bernsen方法實(shí)驗(yàn)結(jié)果比較 在表中用一些變量保存了有用的實(shí)驗(yàn)數(shù)據(jù)。 T 表示 Otsu 方法、 Bernsen 方法的運(yùn)行時(shí)間，單位為秒。 H 表示由 Otsu 方法、 Bernsen 方法處理得到的二值圖像的熵值，單位為比特 /符號(hào)。熵值的定義為： ? ?? ????Mixpi ixpxH1/12lo g)()( (14) 圖像的熵值反映了整幅圖像的效果。信息熵是信息論中用于度量信息量 的一個(gè)概念。一幅圖像越是有序，信息熵就越低；反之，一幅圖像越是混亂，信息熵就越高。所以，信息熵也可以說(shuō)是衡量圖像有序化程度的一個(gè)度量。程序的運(yùn)行時(shí)間代表算法運(yùn)行效率，也是算法的一項(xiàng)性能指數(shù)。 表 兩種方法性能比較 二值化方法 Otsu 方法 Bernsen 方法 性能指標(biāo) 閾值 (T) 時(shí)間 (S)/s 熵值 (H) 時(shí)間 (S)/s 熵值 (H) lena 128128 121 512512 154 peppers 128128 147 512512 150 plane 128128 188 512512 188 Bernsen 方法由于不存在預(yù)取閾值，得到的都是局部閾值，隨像素的變化而變化，沒(méi)有固定的閾值。 程序運(yùn)行時(shí)間 T： T(Bernsen)T(Otsu)，可見(jiàn) Bernsen 算法要尋找局部極大、極小值，因此速度較慢； TOtsu(128 128) TOtsu(512 512) ， TBernsen(128128) TBernsen(512 512)，可見(jiàn)圖像越大，二值化程序運(yùn)行所需時(shí)間就越長(zhǎng)。二值圖像的熵值： H(Otsu)H(Bernsen)，可以見(jiàn) Otsu 方法對(duì)于光照不均、噪聲干擾大的圖像，其二值化效果較差，其反映了整個(gè)圖像的整體灰度分布情況。 南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計(jì) )論文 30 結(jié)論 Otsu 是經(jīng)典的非參數(shù)、無(wú)監(jiān)督自適應(yīng)閾值方法，是一種直方圖技術(shù)。理想情況下，在直 方圖上代表物體和背景的兩個(gè)峰之間有一個(gè)明顯的谷，谷底就是最優(yōu)閾值。但在一些實(shí)際圖像中谷很平，很寬，并且受噪聲干擾嚴(yán)重，或是兩個(gè)峰的高度相差較大。這時(shí)尋找最佳閾值很困難。 Otsu 法就是針對(duì)這種情況提出的，并且它不需要其它的先驗(yàn)知識(shí)，至今仍是最常用的二值化方法之一。 Otsu 方法實(shí)現(xiàn)簡(jiǎn)單，對(duì)于具有明顯雙峰直方圖的圖像效果明顯，但對(duì)于低對(duì)比度和光照不均勻的圖像效果不佳，抗噪聲能力差，因而應(yīng)用范圍受到極大限制。 Bernsen 方法雖然能夠根據(jù)局部灰度特性來(lái)自適應(yīng)地選取閥值，有較大的靈活性，但是仍然存在缺點(diǎn)和問(wèn)題： (1)實(shí)現(xiàn)速度慢。 由于 Bernsen 算法要尋找局部極大、極小值，因此速度較慢。如果每次比較運(yùn)算耗時(shí)一個(gè)單元時(shí)間，則處理 MN? 圖像耗時(shí)由 MN? )12()12( ??? ?? 決定。當(dāng)局部窗口增大時(shí)，對(duì)時(shí)間消耗的影響與窗口尺寸成平方關(guān)系。 (2)有偽影現(xiàn)象。 采用 Bernsen 算法時(shí)，常常在背景區(qū)域出現(xiàn)偽筆畫(huà)，這叫做偽影現(xiàn)象。出現(xiàn)這種現(xiàn)象是因?yàn)?Bernsen 算法以局部窗口內(nèi)極大、極小值作為考察點(diǎn)的鄰域，當(dāng)考察窗口內(nèi) 無(wú)目標(biāo)點(diǎn)時(shí)，個(gè)別噪聲點(diǎn)將引起閾值的突變，背景灰度的非均勻性也將影響局部閾值的變化，從而使得本應(yīng)是背景的點(diǎn)被二值化為目標(biāo)點(diǎn)。 (3)有筆畫(huà)斷裂現(xiàn)象。 Bernsen 算法考察窗口內(nèi)均為目標(biāo)點(diǎn)時(shí)，局部閾值被拉升，于是部分目標(biāo)點(diǎn)被二值化為背景，致使信息丟失，從而出現(xiàn)筆畫(huà)斷裂現(xiàn)象。 南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計(jì) )論文 31 參考文獻(xiàn) [1] 周新豐 .圖像處理的空中目標(biāo)識(shí)別技術(shù)研究 [D].南京：南京航空航天 大 學(xué) .20xx. [2] 韓毅 ， 盧漢清運(yùn)動(dòng)目標(biāo)檢算法的探討 [J].計(jì)算機(jī)仿真 ,20xx,23(10):221226 . [3] 郭永濤 ,宋煥生 ,賀昱曜 .視頻交通監(jiān)控系統(tǒng)中背景提取算法 [J].電視技術(shù) ,20xx(5):9193. [4] 潘梅森 , 榮秋生 .SOFM 神 經(jīng) 網(wǎng) 絡(luò) 的 圖 像 融 合 的 二 值 化 方 法 [J]. 光學(xué)精密工程 ,20xx,15(3):99104. [5] 潘梅 森 , 易明 . 一種 基于 人 類(lèi)視 覺(jué)的 自適 應(yīng) 均值 濾波 算 法 [J]. 計(jì) 算機(jī) 工程 與 應(yīng)用 ,20xx,42(10):6264. [6] 王建衛(wèi) .彩色圖像的中值濾波算法的改進(jìn)與應(yīng)用 [J].哈爾濱商業(yè)大學(xué)大學(xué)報(bào) :自然科學(xué)版 .20xx,22(4):6769. [7] 李文舉 ,梁德群 ,王新年 .質(zhì)量退化的車(chē)牌字符分割 方法 [J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào) ,20xx,16(5):697700. [8] 郝永杰 ,劉文耀 ,路爍 .畸變汽車(chē)牌照?qǐng)D像的空間校正 [J].西南交通大學(xué)學(xué)報(bào) ,20xx, 4(37): 417420. [9] 陳丹 ,張蜂 ,賀貴明 .一種改進(jìn)的文本圖像二值化算法 [J].計(jì)算機(jī)工程 ,20xx,29(13):8586. [10] 黃志斌 .面向車(chē)輛牌照的 L快速二值化算法 [J].華僑大學(xué)學(xué)報(bào)（自然科學(xué)版） ,20xx,23(4):427430. [11] A Hashizume, P S Yeh, A Rosenfeld. A Method of Detecting the Orientation of Aligned Components[J]. Pattern Recognition Letters, 1986,4:125132. [12] ’Gorman. The Document Spectrum for Page Layout Analysis. IEEE Transactions. PAMI, , 1993:. [13] 鄭咸義 ,張穎豪 .一個(gè)改進(jìn)的 LBG算法 [J].計(jì)算機(jī)輔助設(shè)計(jì) ,1997,9(4):335338. [14] 王沫然 .MATLAB610與科學(xué)計(jì)算 [M].北京 :電子工業(yè)出版社 ,