圖像二值化算法研究與實現(xiàn)(參考版)
2025-06-25 20:37本頁面
【正文】 。你必須努力，當有一天驀然回首時，你的回憶里才會多一些色彩斑斕，少一些蒼白無力。4. 歲月是無情的，假如你丟給它的是一片空白，它還給你的也是一片空白。既糾結(jié)了自己，又打擾了別人。用一些事情，總會看清一些人。2. 若不是心寬似海，哪有人生風平浪靜。 Binarization。 then, the development of VC++ and its application in image processing briefly introduced。幾種常用的圖像二值化算法各有優(yōu)缺點，由于時間的問題本次設(shè)計沒有逐一研究。Otsu法實現(xiàn)簡單，對于具有明顯雙峰直方圖的圖像效果明顯，但對于低對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。簡單閾值法能減少背景和噪聲的干擾迭代所得的閥值分割的圖像效果不好，丟失部分圖像信息，所以我主要采用Otsu法和迭代法。 圖16 迭代法算法實現(xiàn) 圖17 迭代法效果圖像對某些特定圖像，某些微小的變化卻會引起分割效果的巨大變化，兩者數(shù)據(jù)只是稍有變化，但分割效果卻反差極大，其中原因還有待進一步研究。 經(jīng)實驗測試發(fā)現(xiàn)，對于直方圖雙峰明顯、谷底較深的圖像，迭代法可以較快地獲得滿意結(jié)果；但是對于直方圖雙峰不明顯或圖像目標和背景比例差異懸殊，迭代法所選取的閾值不如OTSU法。具體算法步驟如下所述：(1)求出圖像中的最小灰度值和最大灰度值，分別記為Zmin和Zmax,則閾值初值T0為： （18）(2)根據(jù)閾值TK將圖像分割成目標和背景兩部分，求出兩部分的平均灰度值Z0和ZG： （19） （20）式中z(i,j)為圖像上(i,j)點的灰度值；N(i,j)為(i,j)點的權(quán)重系數(shù)，一般N(i,j)為z(i,j)的個數(shù)。 迭代法迭代法是另外一種全局二值化方法，它要求圖像分割閾值的算法是基于逼近的思想，首先選擇一個近似閾值作為估計值的初始值，然后進行分割，產(chǎn)生子圖像，并根據(jù)子圖像的特性來選取新的閾值，再利用新的閾值分割圖像，經(jīng)過幾次循環(huán)，使錯誤分割的圖像像素點降到最少。程序運行時間T：T(Bernsen)T(Otsu)，可見Bernsen算法要尋找局部極大、極小值，因此速度較慢；TOtsu(256256) TOtsu(512512) ，TBernsen(256256) TBernsen(512512)，可見圖像越大，二值化程序運行所需時間就越長。程序的運行時間代表算法運行效率，也是算法的一項性能指數(shù)。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。熵值的定義為： (17)圖像的熵值反映了整幅圖像的效果。 0tsu方法和Bernsen方法實驗結(jié)果比較比較其它參考文獻可知，在表中用一些變量保存了有用的實驗數(shù)據(jù)，T表示Otsu方法、Bernsen方法的運行時間，單位為秒?？芍?12512 圖像的執(zhí)行時間要比256256圖像的時間要長，說明圖像越大，用Otsu方法對其進行二值化處理所需時間越長；大圖像的閾值也比小圖像要大。表3 Otsu方法處理不同像素的不同圖像性能指標圖13a圖13b圖14a圖14b圖15a圖15b閾值(T)10912911411896106時間(S)/s熵值(H)圖(a)為256256的圖像，圖(b)為512512的圖像。peppers(256256)、peppers(512512)原始圖像通過Otsu方法二值化后的所得到的二值圖像如圖15所示。lenna(256256)、lenna(512512)原始圖像通過Otsu方法二值化后的所得到的二值圖像如圖13所示。圖12 Otsu方法流程圖開 始讀入灰度圖像I求的范圍記錄對應(yīng)的求時的取值顯示二值圖像NY結(jié) 束 Otsu方法實驗結(jié)果分析對圖8這六幅圖像都采用Otsu算法進行圖像二值化處理?？梢娛嵌叩葍r的。其實，換一種思想也能很好的理解大津方法。記為灰度值為k的頻率，則有： (6)假設(shè)用灰度值t為閾值分割出的目標與背景分別為：和，于是目標部分比例： (7)目標部分點數(shù)： (8)背景部分比例： (9)背景部分點數(shù)： (10)目標均值： (11)背景均值： (12)總均值： (13)大津法指出求圖像最佳閾值g的公式為： (14)該式右邊括號內(nèi)實際上就是類間方差值，閾值g分割出的目標和背景兩部分構(gòu)成了整幅圖像，而目標值，概率為，背景取值，概率為，總均值為，根據(jù)方差的定義即得該式。因方差是灰度分布均勻性的一種度量，方差值越大說明構(gòu)成圖像的兩部分差別越大，當部分目標點錯分為背景或部分背景點錯分為目標點都會導致兩部分差別變小，因此使類間方差最大的分割意味著錯分概率最小。從最小灰度值到最大灰度值遍歷，當使得值 最大時即為分割的最佳閾值。對圖像Image，記為目標與背景的分割閾值，目標像素數(shù)占圖像比例為，平均灰度為；背景像素數(shù)占圖像比例為，平均灰度為。圖像越大用Bernsen算法對其進行二值化處理的時間越長。(a) (b)圖9 Bernsen方法二值化lenna圖像(a)二值lenna圖像(256256)； (b)二值lenna圖像(512512)（a） (b)圖10 Bernsen方法二值化barbara圖像(a)二值barbara圖像(256256)； (b)二值barbara圖像(512512)(a) (b)圖11 Bernsen方法二值化peppers圖像(a)二值peppers圖像(256256)； (b)二值peppers圖像(512512)實驗結(jié)果分析如表【12】2。barbara(256256)、barbara(512512)原始圖像通過Bernsen方法二值化后的所得到的二值圖像如圖10所示。其結(jié)果如圖所示。 讀入
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1