阈值分割对不交叠的区域都可以使用封闭而且连通的边界来定义，以及阈值分割对图像的阈值处理容易实现且直观，使得阈值分割方法在图像分割中广泛地应用。阈值分割很适合用于背景和目标的灰度范围不想交叠的图像的分割。阈值分割只针对于图像的像素值，且处理过程简单，大大地压缩了图像的数据量，因而是很多的图像分析、特征提取和模式识别的必要的图像预处理过程。
2.2 阈值分割方法分类本文来自优.文~论^文·网原文请找腾讯324'9114
只有一个阈值的图像阈值分割称为单阈值分割，如果有一个以上阈值，则称为多级阈值分割(或多阈值分割)。
一个阈值阈值法可分为局部阈值法和全局阈值法两种，全局阈值是利用全局信息对整幅图像求出最佳分割阈值，局部阈值方法是把原始的整幅图像分为几个小的区域，再对每个区域应用全局阈值法分别求出最佳分割阈值。其中全局阈值法又可以分为基于点的阈值和基于区域的阈值法。
根据分割依据的图像信息，将这此方法分为优类。基于直方图形状的方法；基于测试空间聚集度的方法，包括迭代方法，聚类方法，最小误差方法；基于熵的方法；基于目标属性的方法，属性有边缘匹配，形状紧密度，灰度矩量，连通性，纹理和分割目标稳定性；基于空间相关性的方法，不仅利用了灰度分布信息，而且利用了相邻像素之间的关系；基于模糊理论的方法。
论文网http://www.youerw.com/
下面对几种常见的阈值分割方法进行介绍：
（1）直方图方法
直方图方法是根据图像直方图的形状特征，进行分割的，如根据直方图的波峰，波谷，曲线率等等。设图像的灰度级为L，灰度级为g的像素的个数为h(g)，其出现的概率为p(g)，则灰度级g累计的概率为：
（2-2-1）
直方图方法主要分析直方图的形状特征，主要有有三种方法：分析直方图的凸包之间的距离，分析直方图的波峰和波谷，建立形状模型。直方图的双峰间的谷底，作为阈值可以得到较好的分割效果，然而当有噪声干扰时，就会出现多个谷底，使得对于不同类型的直方图难以确定阈值。
（2）最大类间方差法(OTSU)
Otsu于1979年提出了最大类间方差法(maximum between-cluster variance，被称为 Otsu 法)[1]，由于其计算简单、稳定有效，所以一直被广为使用，是一种性能良好的自动阈值选择方法。
设图像的像素数为N ，它有L个灰度级(0,1,...,L-1)，灰度级为i的像素数为ni，则 ，直方图表示为概率密度分布
设阈值t将图像分成两类C0和C1(目标和背景)，则C0和C1分别对应具有灰度级{0,1,...,t}和{t+1,t+2,...,L-1}的像素。设 表示直方图中阈值为t
时的类间方差，则最佳阈值可以通过求 的最大值而得到，即
）） （2-2-2）
文献[2]将这一方法推广到二文情况，提出了二文 Otsu方法。文献[3]和文献[4]将 Fisher准则应用到图像阈值分割中来，提出了基于 Fisher 线性判别准则的图像阈分割算法
（3）最大熵法
Kapur等于 1985 年提出了最大熵(maximun entropy method，Entropy)[5]此算法将目标和背景分为两个独立源，求目标熵和背景熵的和，取其最大值作为图像的最佳阈值。目标熵和背景熵表示为
上一页 [1] [2] [3] [4] [5] [6] 下一页
最小误差阈值分割方法研究+基于灰度图像的最小误差阈值法 第3页下载如图片无法显示或论文不完整，请联系qq752018766
