一種新的直方圖閾值點自動提取方法

一種新的直方圖閾值點自動提取方法

1多值聚類方法圖像分割是計算機視覺和圖像分析的基本技能和關鍵。在灰度直方圖上取谷點作為分割閾值來分割圖像是最常用的方法。通常的圖像分割方法可分為兩種：二值化和多值化。二值化方法中，多認為灰度直方圖的分布具有雙峰，分別與圖像的背景和物體對應，并且在雙峰之間存在著谷點，當閾值取為谷點時，認為對圖像進行了最好的分割。多值方法是二值化方法的推廣。由于圖像分割實質(zhì)上是聚類問題，直方圖上的峰谷的數(shù)目和形狀提供了重要的分割信息。因此，如何快速準確地檢測出峰點和谷點是研究者們感興趣的問題。一種方法是采用直方圖指數(shù)平滑處理來檢測峰值點，然后用評價函數(shù)來選擇分割閾值。文獻提出了多閾值分割算法，通過對模糊約束直方圖目標函數(shù)的優(yōu)化獲得最佳模糊約束劃分，根據(jù)最大隸屬度原則進行圖像多閾值化，這種模糊聚類方法是基于目標函數(shù)的非線性迭代優(yōu)化法，聚類結果的好壞以及聚類的收斂速度對初始值選取比較敏感。其他一些直方圖閾值選取方法，大多是基于評價函數(shù)做出的改進，其中文獻提出基于方差的閾值分割方法。文獻提出了極值分析法，就是對灰度統(tǒng)計直方圖中存在的極值進行分析，從中選出最合適的閾值來?？偨Y以前研究者的工作，都是直接針對一維信號的處理。我們利用灰度直方圖的直觀特征，把直方圖的峰點作為分水嶺，每兩個相鄰的峰值點和兩者之間的谷點組成一個水域。從最低的谷點向上升高水位，直到各個水域水滿為止。找到水量最大的幾個水域，其中這幾個水域的谷底就是作為分割閾值的谷點，最后準確地得到谷點和峰點。2從分割閾值提取來合并水域在圖像分割中，利用閾值可以把圖像的關鍵區(qū)域從背景中分割出來。問題的關鍵是如何選擇適當?shù)拈撝?。本文所采用的閾值提取辦法與以往的研究有所不同。本文直接利用灰度直方圖的直觀特點，把兩個相鄰峰點與谷點看作是一塊水域，根據(jù)水域的大小來最終確定真正的谷點，最終得到合適的分割閾值。其基本思想是：把一維灰度直方圖平鋪到二維圖像中，求出直方圖的所有極值點，把直方圖的峰點作為分水嶺，每兩個相鄰的峰值點和兩者之間的谷點組成一個水域。從最小的極小值點開始，逐漸升高水位，每次出現(xiàn)新水域都要標記新的水域，每個水域有自己的谷點。隨著水位的升高，一些小水域（即假谷點和假峰點）將被淹沒，因此將被合并到大水域中，最深的谷點作為新合并水域的谷點。當所有位置的水位都不再上漲，判斷各水域的水量，找到那些水量最大的水域。這些水域的谷點就是分割閾值。兩水域合并的條件：并不是隨著水位的升高所有的水域都要合并，因為圖像的峰點和谷點都是圖像的重要的信息所在，盲目合并會造成有用信息的丟失，所以當兩個水域水量相當，且儲水量足夠多時，不合并，在這種情況下，對淹沒的峰點作特殊的標記，使這兩段水域的水位都不再上升。對于灰度直方圖，其直方圖PHS(i）定義為：式中，height和width分別表示所要處理的圖像的長度和寬度，Gkij定義如下：仔細觀察灰度直方圖，會發(fā)現(xiàn)很多極值點，其中包括極大值和極小值，他們都是很重要的特征。閾值提取的具體步驟如下：(1）對PHS(i）進行平滑處理，以減小噪聲的影響：(2）直方圖平鋪到二維平面中，把灰度作為橫坐標，灰度數(shù)（概率）作為縱坐標，每一列從下到上按照灰度數(shù)賦值，灰度數(shù)（概率）為0這一列被賦值為1，其它的各列從下開始賦值為零，需要賦值的數(shù)量就是灰度數(shù)，依次類推。(3）求出所有極值點，包括極大值點和極小值點，建立雙向鏈表，把極值點放入鏈表中。(4）從最小的灰度極值點開始，水位漸漸上漲，不同的水域作不同的標記（每兩個相鄰的峰值點和之間的谷點組成一個水域），而且水量也要不斷往上增加。隨著水位的逐漸升高，必然有些水域的峰值點要被淹沒，這時這個峰值點兩邊的水域就會連接到一起，但是兩個水域是否要合并為一個水域還要判斷（因為如果兩個水域的水量相當，且儲水量相當大，這說明存在兩個有意義的域值點，若是盲目合并將會丟失一個閾值）。而判決閾值很容易確定，因為假谷點形成的水域的儲水量一般很小。若經(jīng)過判斷兩個水域符合合并的條件時，在鏈表中去掉被淹沒的峰值點和比較淺的谷點；若不合并，則對這兩個水域的峰值點作特殊標記，這兩段水域的水位將不再上漲。依次類推。(5）找出水域中水量較大的水域，這些水域的谷點就是要找的分割閾值點。3傳統(tǒng)閾值選擇方法本文采用的算法步驟簡單，計算量很小，只需從直方圖的底部開始，向上逐行判斷，最后得到幾個比較大的水域。圖1、圖2和圖3的（b）圖是用本文的方法得到的水域，我們可以看到，小水域被合并到比較大的水域中，最后得到的幾個儲水量比較大的水域的谷底正是最佳的分割閾值。而傳統(tǒng)的方法，例如文獻，采用評價函數(shù)來確定最合適的極值，通過分析，可以看出，評價函數(shù)反映了這個極值在灰度空間上的突出程度，即極值的大小，因此可以根據(jù)評價函數(shù)值的大小對極值進行篩選，將評價函數(shù)值小于門限的極值去掉，余下的極值才可以作為閾值選擇的參考集。相比之下，本文提出的方法極少產(chǎn)生判斷錯誤，極值的判斷不受相鄰極值的影響，而基于評價函數(shù)的方法只是僅僅利用極值之間一維信息，且結果也受所選評價函數(shù)的影響，不一定能得到真正的峰谷。4提取評價函數(shù)本文提出了一種新的自動閾值選