浅谈基于阈值的图像分割方法

韩白静+刘欢

摘要 随着工业生产智能化的不断发展，图像分割多年来一直受到众多学者的高度关注。关于图像分割的方法也是层出不穷。本文从图像分割的简介开始谈起，粗略地论述了几种常见的分割方法，然后较详细讨论了几种分割方法的优缺点和适用范围，最后给出了总结并展望以后图像分割算法的发展趋势。

关键词

图像分割；分割方法；发展趋势

1图像分割简介

图像分割是指将一幅完整的图像分解成若干个互不交叠的、有意义的、具有独特性质的区域然后根据需求提出自己感兴趣目标的技术和过程。它是图像识别和图像理解的最基本步骤，其分割效果的好坏关系到后面图像处理的结果，甚至最终决定其成败。而图像分割的好坏最重要的是取决于所用到的算法。图像分割算法的质量和效率对图像系统的性能起着关键作用。

2常见的几种分割方法

从20世纪60年代以来，好多国内外学者提出了许多关于图像分割的算法，主要是基于阈值、基于区域、基于边缘和基于特定理论的分割方法。而阈值分割方法是图像分割中很古老但又简单方便的常用方法。基于区域的分割方法基本思想是将具有相似性质的像素点集合起来构成区域。基于边缘检测的分割方法是图像分割最重要的一种，是实现基于边界的图像分割的重要基础。边缘的检测是利用物体和目标背景在一种图像特性上的差异以此实现的，它实际上就是检测图像特性一些发生变化的位置。图像分割到现在为止尚无通用的自身理论。随着各学科各种新理论和新方法的提出，出现了好多与一些特定理论、方法结合的图像分割方法。在这几种分割方法中，阈值法是使用最普遍的，故本文着重介绍。

3几种基于阈值分割方法的简介和对比

3.1一维Ot su阈值分割法

Otsu算法是由日本学者天津于1979年提出的一维最大类间方差法，它以分割效果较好、适用范围较广、简单而有效的特点而广受关注。该算法在图像灰度的一维直方图基础，以图像的主体目标背景和背景的类间最大方差为图像分割阈值选取准则，完成图像目标部分与背景部分的分离，其类间方差越大，则说明构成图像的主体目标与图像背景两部分的差距就越大。图像分割效果越好，意味着在分割时，图像内容错分的机率和比例就越小。该方法通常只是针对目标和图像背景灰度特性区分比较明显的图像有较好的效果，但是由于图像来源多种多样，图像在拍摄时也很容易受到噪声干扰，最终导致直方图分布形式多样化，因此采用简单的一维Otsu算法无法得到令人们满意的结果。

3.2二维Otsu阈值分割法

针对一维Otsu分割法的缺点，刘建庄等提出了二维Otsu法。其基本原理为关联原始图像像素点信息与其邻域像素点信息，建立图像像素信息联合直方图。将一维OTsu算法推广到二维OTsu算法，并建立阈值的自适应判别算法。该方法不但很好地利用了图像像素点的信息，而且也充分考虑到了图像像素点与其邻域空间的相关信息，所以它具有较好的抗噪性。但该算法计算二维最佳阈值时采用穷举方法，其运算量超大，很难应用于实时处理。并且它还有一个重要缺陷就是，在计算最佳阈值时，将靠近对角线的概率非零数据忽略，这样势必会影响分割结果，造成分割误差。

3.3二维Otsu斜分阈值分割法

为克服二维Otsu直分的缺陷，吴一全等人提出了斜分。其原理为由于像素点都比较集中在主对角线的附近，这样就可以首先通过4条斜线，这4条斜线位于主对角线两侧并且与主对角线平行，它们其直方图的区域划分为内点区、边界点区和两个噪声点区，然后将上述的每个内点区、边界点区和噪声点区更进一步划分为一一对应于目标和背景的两个子区。然后利用快速实现算法进行最佳阈值的选取。该算法在一定条件之下，可以将概率不为零的点都包括进来，避免了误分割。而且运算时仅包括窄带内的数据，而将其余部分忽略，缩小了运算范围。在一定条件下，也大幅降低了运算量。

3.4二维直方图叉分阈值分割法

斜分法虽然用起来较为精确，但是它又忽視了边缘点的存在，这就很有可能导致边缘点区被划分到噪声点区，影响图像边缘的形状的描述。因此李淼等人提出了叉分法。叉分法把目标图像细节保留的更清晰，它的抗噪声能力更坚定。对于噪声很少或无噪声的图像，相比于其他方法而言，叉分法更优，尤其对一些目标边缘轮廓很难处理的图像。叉分法虽然有良好的分割效果，但怎么选取能把区域划分更为精确的匹配参数，就不同的二维直方图来说，还将进一步深入研究。

4结论

现在，图像处理技术已经成功地应用到各行各业，其中，指纹识别、纸币识别等已经为我们所熟知。但是，虽然人们做了许多研究工作在图像分割方面，但由于至今还尚无通用的分割理论，因此人们都是针对具体问题而提出的分割算法，并没有适合于所有图像通用的一种分割算法。但是我们不可否认，图像分割方法正在向更快速、更精确的方向发展，前途一片光明。我们也要紧跟时代的步伐，用发展的眼光去学习图像分割，为这一领域的发展做出自己的一点贡献。