淺談基于閾值的圖像分割方法

韓白靜+劉歡

摘要 隨著工業生產智能化的不斷發展，圖像分割多年來一直受到眾多學者的高度關注。關于圖像分割的方法也是層出不窮。本文從圖像分割的簡介開始談起，粗略地論述了幾種常見的分割方法，然后較詳細討論了幾種分割方法的優缺點和適用范圍，最后給出了總結并展望以后圖像分割算法的發展趨勢。

關鍵詞

圖像分割；分割方法；發展趨勢

1圖像分割簡介

圖像分割是指將一幅完整的圖像分解成若干個互不交疊的、有意義的、具有獨特性質的區域然后根據需求提出自己感興趣目標的技術和過程。它是圖像識別和圖像理解的最基本步驟，其分割效果的好壞關系到后面圖像處理的結果，甚至最終決定其成敗。而圖像分割的好壞最重要的是取決于所用到的算法。圖像分割算法的質量和效率對圖像系統的性能起著關鍵作用。

2常見的幾種分割方法

從20世紀60年代以來，好多國內外學者提出了許多關于圖像分割的算法，主要是基于閾值、基于區域、基于邊緣和基于特定理論的分割方法。而閾值分割方法是圖像分割中很古老但又簡單方便的常用方法?；趨^域的分割方法基本思想是將具有相似性質的像素點集合起來構成區域?；谶吘墮z測的分割方法是圖像分割最重要的一種，是實現基于邊界的圖像分割的重要基礎。邊緣的檢測是利用物體和目標背景在一種圖像特性上的差異以此實現的，它實際上就是檢測圖像特性一些發生變化的位置。圖像分割到現在為止尚無通用的自身理論。隨著各學科各種新理論和新方法的提出，出現了好多與一些特定理論、方法結合的圖像分割方法。在這幾種分割方法中，閾值法是使用最普遍的，故本文著重介紹。

3幾種基于閾值分割方法的簡介和對比

3.1一維Ot su閾值分割法

Otsu算法是由日本學者天津于1979年提出的一維最大類間方差法，它以分割效果較好、適用范圍較廣、簡單而有效的特點而廣受關注。該算法在圖像灰度的一維直方圖基礎，以圖像的主體目標背景和背景的類間最大方差為圖像分割閾值選取準則，完成圖像目標部分與背景部分的分離，其類間方差越大，則說明構成圖像的主體目標與圖像背景兩部分的差距就越大。圖像分割效果越好，意味著在分割時，圖像內容錯分的機率和比例就越小。該方法通常只是針對目標和圖像背景灰度特性區分比較明顯的圖像有較好的效果，但是由于圖像來源多種多樣，圖像在拍攝時也很容易受到噪聲干擾，最終導致直方圖分布形式多樣化，因此采用簡單的一維Otsu算法無法得到令人們滿意的結果。

3.2二維Otsu閾值分割法

針對一維Otsu分割法的缺點，劉建莊等提出了二維Otsu法。其基本原理為關聯原始圖像像素點信息與其鄰域像素點信息，建立圖像像素信息聯合直方圖。將一維OTsu算法推廣到二維OTsu算法，并建立閾值的自適應判別算法。該方法不但很好地利用了圖像像素點的信息，而且也充分考慮到了圖像像素點與其鄰域空間的相關信息，所以它具有較好的抗噪性。但該算法計算二維最佳閾值時采用窮舉方法，其運算量超大，很難應用于實時處理。并且它還有一個重要缺陷就是，在計算最佳閾值時，將靠近對角線的概率非零數據忽略，這樣勢必會影響分割結果，造成分割誤差。

3.3二維Otsu斜分閾值分割法

為克服二維Otsu直分的缺陷，吳一全等人提出了斜分。其原理為由于像素點都比較集中在主對角線的附近，這樣就可以首先通過4條斜線，這4條斜線位于主對角線兩側并且與主對角線平行，它們其直方圖的區域劃分為內點區、邊界點區和兩個噪聲點區，然后將上述的每個內點區、邊界點區和噪聲點區更進一步劃分為一一對應于目標和背景的兩個子區。然后利用快速實現算法進行最佳閾值的選取。該算法在一定條件之下，可以將概率不為零的點都包括進來，避免了誤分割。而且運算時僅包括窄帶內的數據，而將其余部分忽略，縮小了運算范圍。在一定條件下，也大幅降低了運算量。

3.4二維直方圖叉分閾值分割法

斜分法雖然用起來較為精確，但是它又忽視了邊緣點的存在，這就很有可能導致邊緣點區被劃分到噪聲點區，影響圖像邊緣的形狀的描述。因此李淼等人提出了叉分法。叉分法把目標圖像細節保留的更清晰，它的抗噪聲能力更堅定。對于噪聲很少或無噪聲的圖像，相比于其他方法而言，叉分法更優，尤其對一些目標邊緣輪廓很難處理的圖像。叉分法雖然有良好的分割效果，但怎么選取能把區域劃分更為精確的匹配參數，就不同的二維直方圖來說，還將進一步深入研究。

4結論

現在，圖像處理技術已經成功地應用到各行各業，其中，指紋識別、紙幣識別等已經為我們所熟知。但是，雖然人們做了許多研究工作在圖像分割方面，但由于至今還尚無通用的分割理論，因此人們都是針對具體問題而提出的分割算法，并沒有適合于所有圖像通用的一種分割算法。但是我們不可否認，圖像分割方法正在向更快速、更精確的方向發展，前途一片光明。我們也要緊跟時代的步伐，用發展的眼光去學習圖像分割，為這一領域的發展做出自己的一點貢獻。