幾種常用圖像分割算法自適應性的分析比較

湯朋文 陶華敏 肖山竹 方求

摘要：本文重點研究全局閾值分割、Otsu閾值分割、最小誤差閾值分割三種圖像分割算法的自適應能力，通過matlab仿真，對比三種圖像分割算法的分割結果。實驗表明，當物體和背景像素的灰度分布不是很明顯時，Otsu閾值分割要比全局閾值分割的自適應能力強，當光照不均勻，物體和背景的光照差異較大時，最小誤差閾值分割要比Otsu閾值分割的自適應能力強。

關鍵詞：自適應 圖像分割 全局閾值分割 Otsu閾值分割 最小誤差閾值分割

中圖分類號：TP391.4 文獻標識碼：A 文章編號：1007-9416（2016）05-0000-00

由于閾值處理直觀、實現簡單、計算速度快，且便于理解，因此閾值處理在圖像分割領域得到了廣泛的研究與應用。現已有很多種閾值分割算法，下面簡要介紹全局閾值法[1]、最大類間方差法[2] （Otsu 法）和最小誤差法[3]，對比算法的自適應能力。

1 全局閾值分割

當物體和背景的灰度分布很明顯時，可以使用對于整個圖像的全局閾值來分割圖像。全局閾值分割算法是一個迭代的過程，具體如下：

（1）為全局閾值T選擇一個初始估計值。

（2）用T分割該圖像，這將產生兩組像素：G1由灰度值大于T的所有像素組成，G2由所有小于等于T的像素組成。

（3）對G1和G2的像素分別計算平均灰度值m1和m2。

（4）計算一個新的閾值：

T = （m1+m2）/2

（5）重復步驟（2）到（4），直到連續迭代中的T值間的差小于一個預定義的參數△T為止。

2 Otsu閾值分割

當物體和背景的灰度分布不是很明顯時，可以使用Otsu閾值法對于整個圖像進行分割。Otsu閾值法根據像素灰度值將圖像分割成兩種類型和類。2006年，Ng等文獻[4]提出了強調最佳閾值位于谷底的Otsu閾值分割改進算法，其目標函數為：

其中為灰度圖像中灰度值為的像素點出現的概率，為和兩類的類間方差，和為和各自分布的概率， 和為和各自分布的均值。因此，最佳閾值為：

3 最小誤差閾值分割

4 實驗與分析

MATLABf仿真結果1。如圖1所示，原圖顯示了聚合細胞的光學顯微鏡圖像；由于細胞和背景的灰度分布不明顯，全局閾值分割出的細胞整體都很模糊；Otsu閾值分割出的細胞整體比較清晰完整，但細胞邊緣有些擴散；最小誤差閾值分割出的細胞整體很清晰完整，細胞邊緣輪廓很清晰；

MATLABf仿真結果2。如圖2所示，原圖顯示了可見光拍攝的房屋圖像；由于屋頂的光照反射不均勻，全局閾值分割出的屋頂沒有細節信息；Otsu閾值分割出的屋頂也沒有細節信息；最小誤差閾值分割出的屋頂整體很清晰完整，屋頂邊緣輪廓很清晰；

5 結語

本文重點研究全局閾值分割、Otsu閾值分割、最小誤差閾值分割三種圖像分割算法的自適應能力，實驗表明，當物體和背景像素的灰度分布不是很明顯時，Otsu閾值分割要比全局閾值分割的自適應能力強，當光照不均勻，物體和背景的光照差異較大時，最小誤差閾值分割要比Otsu閾值分割的自適應能力強。

參考文獻

[1]Rafael C. Gonzalez，Richard E. Woods. Digital Image Processing，Third Edition[M].電子工業出版社，2013：762-770.

[2] Otsu N. A threshold selection method from gray-level histograms[J]. Automatica， 1975， 11（285-296）：23-27.

[3] Kittler J， Illingworth J. Minimum error thresholding[J]. Pattern recognition， 1986， 19（1）：41-47.

[4]Ng HF.Automatic thresholding for defect detection[J]. Pattern Recognition Letters，2006，27（14）： 1644-1649.

[5] 汪啟偉.圖像直方圖特征及其應用研究[D].中國科學技術大學，2014.

[6] 龍建武.圖像閾值分割關鍵技術研究[D].吉林大學，2014.