毕业论文

打赏
当前位置: 毕业论文 > 自动化 >

C++基于图像的道路分割技术(4)

时间:2017-06-19 08:03来源:毕业论文
阈值法的几种阈值选择方法: 全局阈值法 (1)双峰法 对于目标与背景的灰度级有明显差别的图像,其灰度直方图的分布呈双峰状,两个波峰分别与图像中的


阈值法的几种阈值选择方法:
全局阈值法
(1)双峰法
对于目标与背景的灰度级有明显差别的图像,其灰度直方图的分布呈双峰状,两个波峰分别与图像中的目标和背景相对应,波谷与图像边缘相对应。当分割阈值位于谷底时,图像分割可取得最好的效果。该方法简单易行,但是对于灰度直方图中波峰不明显或波谷宽阔平坦的图像,不能使用该方法。
假设,一副图像只有物体和背景两部分组成,其灰度图直方图呈现明显的双峰值,如下图:
 图2.1 双峰法灰度直方图
找出阈值T,则可以对整个图像进行二值化赋值。
程序的实现:
通过数组记录直方图中的各像素点值的个数, 再对逐个像素值进行扫描。记录每个像素能作为谷底的范围值,接着找出能作为谷底范围最大的点作为阈值。
实现流程图:图2.2 双峰法实现流程图
   (2)灰度直方图变换法
该方法不是直接选取阈值,而是对灰度直方图进行变换,使其具有更深的波谷和更尖的波峰,然后再利用双峰法得到最优阈值。这种方法的一个共同特征是根据像素点的局部特性,对其进行灰度级的增强或减弱的变换。这种方法假设图像由目标和背景组成,并且目标和背景灰度直方图都是单峰分布[5]。
(3)迭代法(最优方法)
它基于逼近的思想,基本算法如下:
<1> 求出图像的最大灰度值和最小灰度值,分别记为Max和Min,令初始阈值为: ,根据阈值 将图像分割为前景和背景,分别求出两者的平均灰度值 和 ;
<2> 求出阈值 ;
<3> 如果 ;则所得即为阈值;否则转<2>迭代计算。
迭代所得的阈值分割图象的效果良好, 基于迭代的阈值能区分图象的前景和背景的主要区域所在,但是在图象的细微处还是没有很好的区分度,令人惊讶的是对某些特定图象,微小数据的变化会引起分割效果的巨大变化,两者的数据只是稍有变化,分割效果反差极大,具体原因还有待进一步研究[8]。
局部阈值法
原始图像被分为几个小的子图像,再对每个子图像分别求出最优分割阈值。
(1)自适应阈值
在许多情况下,背景的灰度值并不是常数,物体和背景的对比度在图像中也有变化。这时,一个在图像中某一区域效果良好的阈值在其它区域却可能效果很差。另外,当遇到图像中有阴影、突发噪声、照度不均、对比度不均或背景灰度变化等情况时,只用一个固定的阈值对整幅图像进行阈值化处理,则会由于不能兼顾图像各处的情况而使分割效果受到影响。在这些情况下,阈值的选取不是一个固定的值,而是取成一个随图像中位置缓慢变化的函数值是比较合适的。这就是自适应阈值。
自适应阈值就是对原始图像分块,对每一块区域根据一般的方法选取局部阈值进行分割。由于各个子图的阈值化是独立进行的,所以在相邻子图像边界处的阈值会有突变,因此应该以采用适当的平滑技术消除这种不连续性,子图像之间的相互交叠也有利于减小这种不连续性。
总的来说,这类算法的时间和空间复杂度都较大,但是抗噪能力强,对一些使用全局阈值法不宜分割的图像具有较好的分割效果。
(2)多阈值分割
在多阈值分割中,分割是根据不同区域的特点得到几个目标对象,所以提取每一个目标需要采用不同的阈值,也就是说要使用多个阈值才能将它们分开,这就是多阈值分割。
在实际的应用中,由于噪声等干扰因素,直方图有时不能出现明显的峰值,此时选择的阈值不能得到满意的结果;另外一个就是阈值确定主要依赖于灰度直方图,很少考虑图像中象素的空间位置关系,因此当背景复杂,特别是在同一背景上重叠出现若干个研究目标时,容易丧失部分边界信息,造成图像分割的不完整[9]。 C++基于图像的道路分割技术(4):http://www.youerw.com/zidonghua/lunwen_9377.html
------分隔线----------------------------
推荐内容