阈值分割方法是一种利用图像的每个像素灰度的不同，选定一个或者多个阈值，讲图像分成不同几类，每一类中的灰度值在一个范围之内属于一个物体。这样几乎只能处理较为简单的图像，复杂的图像分割效果将不好。第一步选取正确的阈值，第二步将图像中的灰度级与这个阈值相比较并分类。
选择阈值的方法：
一 利用灰度直方图：
如果目标区域与背景区域的差别比较大，可以观察图像的灰度直方图，会有两个波峰，选择谷底的灰度级作为阈值，即可以将目标区域与背景区域分割出来。直方图只是图像灰度级的一个统计，并不一定会出现双峰一谷的特性，而且双峰也不一定就是目标和背景，因此这样的方法不一定可靠。
二迭代求阈值：
首先选取一个估计阈值，可以用灰度平均值，然后将图像分为两个子图像，再用两个新图象的特性来重新计算这个阈值，并且重新分割成两个子图像，这样迭代下去直到这个阈值不再发生变化。就确定了最终的阈值。优缺点也是显而易见，太简单。
三自适应阈值分割 OSTU最大类间方差法：
被认为是图像分割中最好的选取阈值的方法。
使用的是聚类的思想，将图像分为两个灰度级，使得两个部分之间的灰度值差异最大，使得同一部分之间的灰度值差异最小，通过方差的计算来寻找一个最佳的阈值来二值化一个图像。
假设图像的背景较暗,并且图像的大小为M*N,图像中像素的灰度值小于阈值的像素个数记作N1,像素灰度大于阈值的像素个数记作N2,则有:
采用遍历的方法得到使类间方差最大的阈值,即为所求.
代码以后补充
转载于:https://www.cnblogs.com/muzi-banana/p/6151624.html
本文链接：https://my.lmcjl.com/post/9874.html
展开阅读全文
4 评论