【数字图像处理】7.1:灰度图像-图像分割 阈值处理之平均阈值

发表于 | 分类于 | 评论数： | 阅读次数：

Abstract: 数字图像处理：第50天
Keywords: 阈值处理,平均阈值

本文最初发表于csdn，于2018年2月17日迁移至此

灰度图像-图像分割 阈值处理之平均阈值

好久没写博客了，已然不熟练了，过完年整个人都不好了，哈哈，到刚才为止算是把图像分割学习了一下，这两天把学习结果和代码简单总结一下。
前面已经介绍了边缘检测，和边缘修复，阈值处理的基本概念也进行了一定介绍。阈值处理速度快，算法简单，所以应用比较广泛，算法的基本问题在于计算出阈值处理的阈值，在接下来的几篇我可，介绍几种确定阈值的算法，基本数学知识都来自统计学，包括最简单的平均数，p-分位数，方差等数学知识。
下面就从最简单的均值阈值开始介绍。

平均阈值

均值处理属于阈值中最简单的一种，其使用的一副图像所有灰度的均值作为阈值，分割图像。
根据统计学知识，求均值可以使用概率方法：

  1. 计算图像灰度直方图
  2. 归一化直方图，得出直方图每一项的概率
  3. 直方图的横坐标与概率的成绩然后求和
    $threshold=mean=\sum^{L-1}_{i=0}p(i)\times i$

根据以上均值得到阈值，然后根据阈值处理基本公示处理整幅图像。

代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
////计算从start到end的直方图的平均值,hist未归一化
double getMeaninHist(int start,int end,int *hist){
    int hist_count=0;
    double hist_value=0;
    for(int i=start;i<end;i++){
        hist_count+=hist[i];
        hist_value+=(double)hist[i]*i;
    }
    return hist_value/(double)hist_count;
}
/*********************************************************************************/
/*********************************************************************************/
//均值法求阈值
//阈值等于全图的像素的平均值
void MeanThreshold(double *src,double *dst,int width,int height,int type){
    int hist[GRAY_LEVEL];
    double threshold_value=0.0;
    InitHistogram(hist);
    setHistogram(src, hist, width,height);
    threshold_value=getMeaninHist(0, GRAY_LEVEL, hist);
    Threshold(src,dst, width, height, threshold_value,type);
}

结果

观察一下结果：

原图：

原图直方图：

平均阈值：

阈值处理结果：

原图加入1%的高斯噪声
未处理：

直方图：

平均阈值：

阈值处理结果：

原图加入5%的高斯噪声
未处理：

直方图：

平均阈值：

阈值处理结果：

原图加入7%的高斯噪声
未处理：

直方图：

平均阈值：

阈值处理结果：

lena图均值阈值处理：
原图：

处理后结果：

阈值：

总结

均值阈值可以完成一些较为简单的的处理，但对目标与背景的大小敏感，也就是直方图那两个峰的面积大小有关，如果这两个峰相对大小相差不多，那么均值相对效果较好，如果两个峰相差太多，也就是背景比目标大很多或相反目标比背景大很多时，结果失效。其次也受到噪声影响，但没有上一因素影响大。

相关文章
0%