數字圖像閾值分割研究與應用

余博文

（武漢工程大學，湖北 武漢 430205）

1 數字圖像閾值分割

數字圖像是由模擬圖像數字化得到的、以像素為基本元素的、可以用數字計算機或數字電路存儲和處理的圖像[1]。

閾值分割是一種常用的圖像分割方法，它主要利用圖像中要提取的目標物與其背景在灰度特性上的差異，通過設置合適的灰度閾值，將圖像的灰度劃分為兩個或多個灰度區間，以確定有意義的區域或分割物體的邊界[2]。

閾值分割完成后，像素坐標點（x，y）處的像素值～f（x，y）為：

式中f（x，y）表示顏色空間某通道的值，T 表示閾值。當存在兩個以上灰度閾值時，式（1）變為：

2 RGB 顏色空間的閾值分割

2.1 RGB 顏色空間

RGB 顏色空間是由R、G、B 三個分量組成的,每個分量的比特數表示了該分量的像素深度[3]。RGB 顏色空間作為最基礎的顏色模型，對圖像顏色的產生是最為理想的,但是對顏色的描述還有一定的缺陷。第一，使用RGB 顏色空間對不同的顏色進行定量分析較為困難。第二,合成的圖像顏色飽和度較低,視覺效果差。第三,由于色調、飽和度與三原色之間是非線性的,對圖像進行分析處理較難。

2.2 RGB 顏色空間的閾值分割

由于RGB 顏色空間對顏色的描述還有一定的缺陷，通常對RGB 顏色空間的閾值分割需要先進行圖像灰度化處理，一般會用到灰度轉換公式Gray=R*0.299+G*0.587+B*0.114。但這種灰度轉換會對圖像顏色信息造成部分丟失，紅色（76,0,0）、綠色（0,39,0）、藍色（0,0,200）經灰度轉換公式轉換后得到的灰度值均為23。這表明這種灰度轉換法確實對圖像信息造成部分丟失。

3 HSV 顏色空間的閾值分割

3.1 HSV 顏色空間

HSV 顏色空間的模型是根據顏色的直觀特性創建的一種圓錐模型，不同于RGB 顏色空間中的每個分量都代表一種顏色，HSV 顏色空間中每個分量并不代表一種顏色，而分別是：色調（H），飽和度（S）亮度（V）[4]。H 分量是代表顏色特性的分量，代表人眼所能感知的顏色范圍。S 分量代表顏色的飽和信息，指色彩的鮮艷程度，也叫飽和度。V 分量代表明暗信息，指的是色彩的亮度，作用是控制色彩的明暗變化。

3.2 HSV 顏色空間的閾值分割

由于HSV 顏色空間H 通道對色調表達效果較好，因此簡單的HSV 顏色空間的閾值分割僅通過H 通道的閾值設定就可以完成。H 通道范圍經過數據壓縮由0～360 轉換到0～255,經測量發現紅色（76,0,0）像素與黑色（0,0,0）像素的H 通道值都為0，因此中H 通道值為0 的像素占比較高，綠色（0,39,0）像素的H通道值為85，藍色（0,0,200）像素的H 通道像素值為170。因此只需對H 通道進行閾值分割就能得到較好的分割效果。

4 航拍圖像病樹分割應用

4.1 RGB 顏色空間的航拍圖像分析

航拍圖像為了清晰的表現地理形態，通常圖像像素較高、細節豐富、內容復雜，圖像中除了目標病樹，包含大量健康樹，還含有部分顏色近似于目標病樹的梯田土壤，導致基于RGB 顏色空間選取的閾值不能很好的分離開目標區域與背景區域，因此考慮使用HSV 顏色空間選擇閾值。

4.2 HSV 顏色空間的航拍圖像病樹分割

HSV 顏色空間僅H 分量就已經包括人眼所能感知的顏色范圍，病樹呈現的顏色分布于紅黃色之間，對應于HSV 顏色空間H 分量的0 度到60 度之間，在數據集中隨機選取病樹中心提取分析H 通道數值，可以發現，病樹H 通道數值隨機分布在9到35 度，設定9 到35 度為H 通道閾值，對數據集進行過濾后結果如圖2 所示。

觀察圖1 可以發現土壤、梯田等地方因為H 通道數值與病木近似，并未被閾值分割法過濾掉，分別提取病木中心和土壤梯田中心HSV 顏色通道值進行分析，可以發現，在土壤、梯田這種開闊的地方，HSV 顏色空間的H 通道值和S 通道值分布都近似于病樹，而代表亮度的V 通道分布明顯不同于病樹，這表明可以利用病樹V 通道值作為閾值對數據集進行再次過濾。同樣在數據集中隨機選取病樹中心提取分析V 通道數值，可以發現，病樹V 通道數值隨機分布在29 到41 之間。設定29 到41 為V 通道閾值，結合H 通道9 到35 度的閾值，對數據集進行過濾，然后與僅過濾H 通道的結果相比較，如圖2 所示。

圖1 航拍圖像H 通道閾值過濾結果

圖2 航拍圖像HV 通道閾值過濾結果

圖2 中上圖即同時過濾HV 通道圖，下圖即僅過濾H 通道圖，對比同時過濾HV 通道圖和僅過濾H 通道圖，可以發現土壤、梯田等干擾元素大部分已被過濾，剩下的前景像素為閾值分割得到的病樹區域。

5 結論

本文主要研究介紹了數字圖像在RGB 顏色空間和HSV 顏色空間閾值分割技術，通過原理和實際應用分析RGB 顏色空間閾值分割的不足，論述了HSV 顏色空間閾值分割的優勢。本文選取航拍圖像用于試驗，將圖像中病樹作為識別目標顏色。首先確定了目標顏色（病樹中心的顏色）在HSV 色彩空間中H 通道的取值范圍，通過H 通道分割結果分析得出單通道閾值分割的不足，再加入V 通道過濾規則，最終得到質量較高的閾值分割病樹區域圖像。本研究對復雜數字圖像的閾值分割還有很大的改進余地，可進一步提高算法的正確率和速度。