基于模糊閾值的自適應圖像分割方法
【技術領域】
[0001] 本發(fā)明屬于圖像處理技術領域，具體說，涉及一種基于模糊閾值的自適應圖像分 割方法。
【背景技術】
[0002] 圖像分割就是指把圖像分成互不重疊的區(qū)域，并提取出感興趣目標的技術和過 程。圖像分割有三種不同的途徑，其一是將各像素劃歸到相應物體或區(qū)域的像素聚類方法， 即區(qū)域法;其二是通過直接確定區(qū)域間的邊界來實現(xiàn)分割的邊界方法;其三是首先檢測邊 緣像素，再將邊緣像素連接起來構成邊界，形成分割。
[0003] 在圖像分割技術中，最常用的是利用閾值化處理進行的圖像分割?；谙袼刂狈?圖的閾值分割算法是區(qū)域分割算法中具有代表性的一類非常重要的分割算法，閾值分割算 法是基于目標與背景的灰度差異，通過尋找最佳閾值，將目標從背景中分離出來。正確確定 閾值是閾值分割法的關鍵，只要能確定一個合適的閾值就可以完成圖像的準確分割。在圖 像的閾值化處理過程中，選用不同的閾值其處理結果差異很大；閾值過大，會提取多余的部 分；閾值過小，又會丟失所需的部分。因此，閾值的選取非常重要。閾值分割法的最大特點是 計算簡單，對于直方圖呈明顯雙峰特性的圖像，可以得到很好的分割效果。
[0004] 在圖像處理過程中，必須充分考慮圖像自身的特點和人類的視覺特性。圖像的成 像過程是一種多到一的映射過程，由此決定了圖像本身存在許多不確定性和不精確性，即 模糊性;而對于人類的視覺感知來說，圖像從黑到白的變化也是模糊的。這種不確定性和不 精確性主要體現(xiàn)在圖像灰度的不確定性、目標邊緣的不確定性等等。但是多數(shù)的閾值分割 算法對于灰度圖像的處理往往僅利用圖像的灰度水平值而未考慮像素的空間鄰域信息，大 大地增加了灰度圖像的目標和背景的誤分比率。針對此問題提出的模糊閾值分割算法在考 慮像素的灰度水平值的同時，將像素與其鄰域像素的空間關系作為權重共同作用于該像 素，設計出新的模糊分割函數(shù)。這種算法具有較好的穩(wěn)定性和魯棒性，對多數(shù)圖像梯度的灰 度直方圖接近單峰的圖像和灰度峰值分布距離較遠的圖像，也能得到很好的分割效果。
[0005] 在模糊閾值分割方法中，隸屬函數(shù)及其窗寬的選取是分割成敗的關鍵所在。選定 滿足約束條件的隸屬函數(shù)后，閾值的選取完全取決于給定的窗寬。目前，現(xiàn)有技術中隸屬函 數(shù)窗寬的選取，是通過觀察直方圖峰值的分布情況，人為給定的。對已知的圖像直方圖分 布，利用這種方法總能找到合適的窗寬，但當圖像改變而使直方圖分布變化時(如圖像的目 標大小在較寬的范圍上變化），預設窗寬就可能失效，造成誤分割，所以必需根據(jù)待分割圖 像的特性自動選取窗寬。
[0006] 模糊閾值分割的實質是對圖像直方圖進行加權平均，平滑后的直方圖即為模糊率 曲線，其極小值對應分割閾值?，F(xiàn)有技術通過模糊率曲線極值點數(shù)量與圖像已知像素類別 的個數(shù)對比的方法計算窗寬，但此方法對圖像直方圖呈單峰分布或雙峰不明顯的圖像分割 效果較差，很容易導致分割失敗。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于提供一種基于模糊閾值的自適應圖像分割方法，以解決上述問 題。
[0008] 本發(fā)明的實施例提供了一種基于模糊閾值的自適應圖像分割方法，包括：
[0009] 步驟1，對直方圖進行預處理，獲取具有雙峰特性的圖像直方圖；
[0010]步驟2,對預處理后的圖像直方圖進行梯度檢測，確定波谷的位置；
[0011] 步驟3，根據(jù)波谷位置，確定波峰位置；
[0012] 步驟4,根據(jù)波峰的峰值，確定兩臨近波峰間的距離，并根據(jù)不同波峰間的距離計 算不同圖像的隸屬函數(shù)窗寬大?。?br>[0013] 步驟5,確定分割閾值。
[0014] 進一步，步驟1中預處理包括:對單峰直方圖進行反變換，以及直方圖平滑處理。
[0015]進一步，步驟3具體包括：
[0016] 對預處理后的新直方圖進行均衡處理；
[0017] 采用對均衡處理后的直方圖求微分和直線掃描相結合的方法確定波峰位置。 [0018]進一步，步驟4具體包括：
[0019] 選定隸屬函數(shù)；
[0020] 根據(jù)波峰峰值確定臨近波峰的距離DJ;
[0021] 在[0.3,0.8]內(nèi)選取參數(shù)λ;
[0022] 根據(jù)不同峰值間距計算窗寬C，c = ADj;
[0023] 進一步，根據(jù)不同峰值間距計算窗寬之后還包括對圖像進行濾波處理。
[0024]進一步，步驟5具體包括：
[0025]分段計算直方圖呈多峰分布的圖像；
[0026]分開計算直方圖中的各波峰；
[0027]通過直方圖求一階微分和直線掃描的方法確定波谷；
[0028]將圖像直方圖分為η個部分；
[0029]確定各部分峰值所在位置；
[0030]確定各部分使模糊率曲線達到最小值的參數(shù)；
[0031]求出各部分直方圖的最佳分割閾值；
[0032]根據(jù)各部分閾值進行圖像自適應分割。
[0033] 與現(xiàn)有技術相比本發(fā)明的有益效果是:實現(xiàn)了窗口寬度的自適應選取，并且有效 改善了模糊閾值法對直方圖呈不明顯雙峰的圖像分割困難的缺點，拓展了模糊閾值圖像分 割方法的適用范圍，改善了模糊閾值分割方法的分割效果。
【附圖說明】
[0034] 圖1是本發(fā)明一種基于模糊閾值的自適應圖像分割方法的流程圖；
[0035] 圖2是本發(fā)明一種基于模糊閾值的自適應圖像分割方法直方圖預處理的流程圖；
[0036] 圖3是本發(fā)明一種基于模糊閾值的自適應圖像分割方法波谷檢測的流程圖；
[0037] 圖4是本發(fā)明一種基于模糊閾值的自適應圖像分割方法峰值檢測的流程圖；
[0038] 圖5是本發(fā)明一種基于模糊閾值的自適應圖像分割方法窗寬自適應選取的流程 圖；
[0039] 圖6是本發(fā)明一種基于模糊閾值的自適應圖像分割方法確定分割閾值的流程圖；
[0040] 圖7是本發(fā)明一種基于模糊閾值的自適應圖像分割方法在雙峰機場圖像中應用的 實驗結果；
[0041] 圖8是本發(fā)明一種基于模糊閾值的自適應圖像分割方法在多峰機場圖像中應用的 實驗結果。
【具體實施方式】
[0042] 下面結合附圖所示的各實施方式對本發(fā)明進行詳細說明，但應當說明的是，這些 實施方式并非對本發(fā)明的限制，本領域普通技術人員根據(jù)這些實施方式所作的功能、方法、 或者結構上的等效變換或替代，均屬于本發(fā)明的保護范圍之內(nèi)。
[0043] 參圖1所示，圖1是本發(fā)明一種基于模糊閾值的自適應圖像分割方法的流程圖。
[0044] 本實施例提供了一種基于模糊閾值的自適應圖像分割方法，包括：
[0045] 步驟S1，對直方圖進行預處理，獲取具有雙峰特性的圖像直方圖；
[0046] 步驟S2,對預處理后的圖像直方圖進行梯度檢測，確定波谷的位置；
[0047] 步驟S3，根據(jù)波谷位置，確定波峰位置；
[0048]步驟S4,根據(jù)波峰的峰值，確定兩臨近波峰間的距離，并根據(jù)不同波峰間的距離計 算不同圖像的隸屬函數(shù)窗寬大??；
[0049] 步驟S5,確定分割閾值。
[0050] 在本實施例中，步驟S1中預處理包括:對單峰直方圖進行反變換，以及直方圖平滑 處理。
[0051 ]在本實施例中，步驟S3具體包括：