基于OpenCV的照度不均匀图像的阈值分割

顾胜兰，翁正新

基于OpenCV的照度不均匀图像的阈值分割

顾胜兰，翁正新

介绍了一种利用开源视觉库OpenCV在Visual Studio 2005环境下实现图像阈值分割的方法。首先利用双立方插值法估算图像的光照分布，去除不均匀光照，再利用Otsu方法对图像进行阈值分割。实验表明，对传统阈值分割法难以处理的不均匀光照图像能达到良好的分割效果。

光照；双立方插值；OpenCV；图像分割

0 引言

在线缺陷检测系统在硬件设计时，有时会采用点光源，在这种情况下，照相机拍到的生产线上的图像光照分布不均匀，如果直接采用阈值分割，则分割效果不佳，进而影响后期的识别和分类，所以，需要首先进行不均匀光照的校正。已有的不均匀光照的校正方法，大致可以分为两类，一类基于图像像素f(x,y)是由亮度分量i(x,y)与反射率分量r(x,y)乘积组成的光照模型，如同态滤波器法[1][2]，它先对像素函数取对数，分离照度和反射部分，然后，进行傅立叶变换，最后采用高通滤波器抑制低频的照度分量，而增强高频的反射分量；另一类是基于光照的加法模型，先估计光照分布，再从原图中减去光照分布来达到不均匀光照校正的目的，估计光照分布的方法有基于小波的非线性回归[3]和双立方插值法[4]。但是，同态滤波法在相当多不符合光照乘法模型的场合不适用，并且由于采用了傅立叶变换，若想采用快速傅立叶变换，则要求图像长和宽都必须是2的整数次幂，不符合实际应用。另外，基于小波的非线性回归法要求图像分块的宽和高必须为2的整数次幂，而插值法并没有这样的限制，所以，本文采用改进的基于双立方插值法的不均匀光照校正法，并在Visual Studio2005环境下，用OpenCV实现，第4部分的实验结果证明该方法稳定、有效。

1 双立方插值

图像插值在计算机视觉领域有很多应用，如图像放大、图像旋转。常用的插值方法有最邻近点插值（Nearest Neighbor）、双线性插值（Bilinear Interpolation）、双立方插值算法（Bicubic Interpolation）和自适应样条差值及其增强技术（S-Spline & S-Spline XL）,处理耗时依序增多，处理质依次变优。

双立方插值法运算量适中，而插值效果也远比最邻近点插值和双线性插值好。

二维图像中，图像信号g(x,y)的插值公式[5][6]为公式

P（x，y）的像素信息来自16个邻近点。

图1(a)为像元P返回到原图I1中的位置；图1(b)为放大后的图像I2中的像元P。

当将大小为 col1*row1的图像I1等长宽比地放大成大小为col2*row2的I2，满足如下条件如公式(2)：

2 不均匀光照图像的校正与分割

2.1 不均匀光照校正原理

文献[4]中子块大小为16×16或者32×32，但是在实际应用中，子块无需是正方形，宽、高也无需是2的整数次幂。本文从实际出发，只要求图像的宽col、高row满足公式(12)/（13）：

2.2 采用Otsu法进行阈值分割

Otsu提出了一种不依赖于物体和背景像素的概率分布模型的阈值分割方法，叫最大类间方差法[7]。

考虑 L个灰度级的图像及标准化后的直方图，对每个灰度值x，p( x)表示x出现的频率。假设阈值为t，要处理深色背景下的浅色物体的图像，那么分类为背景像素的比例为公式(14)：

A Thresholding Method of Uneven Illuminated Image Based on OpenCV

Gu Shenglan, Weng Zhengxin
（Department of Automation, Shanghai Jiaotong University, Shanghai 200240, China）

An improved thresholding method using OpenCV in Visual Studio 2005 is presented. Firstly, the distribution of illumination is estimated using bicubic interpolation. After the uneven illumination is removed or decreased, the image is segmented using Otsu method. The result of experiment is showed that it woks well on uneven illuminated images which is difficult to segment using ordinary segmentation methods.

Illumination; Bicubic Interpolation; OpenCV; Image Segmentation

TP391

A

1007-757X(2014)06-0046-03

顾胜兰(1973-)，上海交通大学自动化系，硕士研究生，研究方向：图像处理和模式识别，上海，200240

翁正新(1968-)，上海交通大学自动化系，副教授，研究方向：图像处理和模式识别，上海，200240