基于OTSU处理不均匀光照图像改进算法研究

刘明兴 刘泽平 李斌 符朝兴 孟含

摘要：为解决不均匀光照下图像二值化问题，提出一种基于最大类间方差法（OTSU算法）的改进二值化算法，将图片分为明亮区域和阴暗区域两部分，分别计算两部分最大类间方差对应的阈值，通过分析阴暗区域特征，判断每一像素点位于明亮区域还是阴暗区域，从而确定每一点的阈值。实验结果表明，该算法可以解决OTSU算法处理光照不均匀图像丢失信息问题，可广泛应用于光照不均匀条件下的文本图像二值化处理，针对特殊情况较好，相对于其他算法适用性更强，本算法可通过提高OTSU算法的运算速度，缩减算法的运行时间。该研究提取信息较为完整，可以作为字符识别及缺陷检测等工作的预处理方法，提高识别精度。

关键词：二值化; OTSU; 不均匀光照; 阈值分割; 最大类间方差; 全局阈值

中图分类号： TP391.413  文献标识码： A

近年来，数字化图像技术在许多学科都得到了广泛应用[1]。例如可以结合边缘检测对采煤沉陷、耕地作物绝产边界识别，结合快速行进方法完成风洞试验缺陷修复等[23]。在对数字化图像进行二值化处理时，通过选取适当的阈值，将图像分为背景与目标，提取其中的特征和有效信息[45]。作为图像处理的预处理手段，当背景光照均匀时，可以有效地过滤图像背景信息，不均匀光照的二值化算法可以有效提高自然光照下的文本识别和QR码识别等[67]工作的速度和准确度。对光照均匀的图片进行二值化处理时，使用全局阈值方法可以将图片中的信息提取出来，并取得较好的效果。全局阈值方法主要有灰度平均值法、基于谷底最小值的阈值、迭代法、OTSU法等[89]。其中，OTSU算法计算简单快速，受亮度和对比度影响较小，应用较为广泛。例如基于OTSU算法和HU不变矩进行信号灯识别、生物组织损伤辨识等[1011]。目前，改进OTSU算法多针对OTSU算法时间复杂度高、实时性差的问题，对OTSU算法运行速度进行改进，王玉银等人[1214]基于狼群优化或粒子群算法，提高了OTSU算法的运行效率。但当背景光照不均匀时，OTSU算法不能很好的提取图片中的信息。为了解决光照不均匀条件下的图像二值化问题，一般采用局部阈值算法，例如Bernsen算法、Niblack算法、Sauvola算法等，局部阈值化算法经常会出现大量噪点，而且运行时间也较长[1516]，或者基于Retinex或Gamma矫正直接对图片进行图像增强、光照平衡后在进行二值化处理，该方法需要在增强图像后再一次对图像进行二值化处理，无法直接得到二值化图像[1719]。在缺陷检测、边缘检测等方面，OTSU算法经常无法达到预期效果，罗钧等人[2025]基于小波变换等理论，对OTSU算法在速度或适用范围方面进行了改进。基于此，本文提出了一种利用OTSU算法，分别计算图像明亮处与阴暗处的最大类间方差，通过分析光照不均匀图像，判断每一像素点位于图片明亮处还是阴暗处，确定每一点的阈值，对图片明亮处和阴暗处分别确定两区域的阈值。实验结果表明，在不均匀光照条件下，该方法可以有效提取图像的特征和信息。该研究具有广泛的应用前景。

1 OTSU算法

1.1 全局二值化算法

全局二值化算法进行二值化处理时，计算一个全局阈值，逐点计算图像灰度值与阈值的大小关系。将图像中坐标为（x，y）点的像素灰度值记为f（x，y），二值化处理后的图像中坐标为（x，y）点的像素值记为g（x，y），阈值记为T，则可将常规二值化方法表示为

g（x，y）=0，f（x，y）

1.2 OTSU算法

OTSU算法又名最大类间方差法，是由日本学者大津展之于1979年提出，利用整副图像的直方图特性，选择全局阈值T。文字图片和背景通常会出现两个驼峰，确定一个灰度值作为阈值，将灰度值小于阈值的点作为目标，大于等于阈值的点作为背景。遍历整副图像灰度值，选择类间方差最大时对应的灰度值作为阈值，OTSU算法为目前比较好的确定阈值的算法[2630]。

采用OTSU算法计算阈值，首先选取一个灰度值作为阈值T，将图像分成前景C0和背景C1两类，记μ为图像整体期望，μf为前景C0的期望，μb为背景C1的期望。灰度为i的像素出现的概率为Pi，μb为背景C1的期望，Pf为前景C0的概率，Pb为背景C1的概率，σ2B为类间方差，则有

μ=∑2550iPi， Sumf=∑Ti=0iPi， Pf=∑Ti=0Pi（2）

μf=SumfPf， Sumb=∑255i=TiPi， Pb=1-Pf（3）

Eb=SumbPb， σ2B=Pfμ-μf2+Pbμ-μb2（4）

当T使类间方差σ2B为最大时，這个灰度值T即为最大类间方差法所得的阈值。不均匀光照下的原图像如图1所示，采用OTSU算法，对不均匀光照的图像进行二值化处理，OTSU算法二值化处理结果如图2所示。

根据光照强度的不同，将不均匀光照下的图像分为明亮区域和阴暗区域。由图2可以看出，对于光照不均匀的图像，OTSU算法求得的阈值对于图像明亮处二值化效果较好，但是对于图像阴暗处未能提取出有效的信息。

2 改进OTSU算法处理光照不均匀图像

2.1 利用OTSU算法计算照片明亮处的最大类间方差

设图像分辨率为nWidth×nHeight，每一点的灰度值为g（x，y），其中，0≤x≤（nWidth-1），0≤y≤（nHeight-1），0≤g（x，y）≤255。整副图像最大类间方差对应的阈值为T1，在计算时，虽然考虑了阴暗处像素的灰度值，但对明亮处二值化效果影响不大，为减少输入参数，把T1作为图像明亮处的阈值。

2.2 利用OTSU算法计算照片阴暗处的最大类间方差

[5] 徐晶晶. 低質量文档图像的二值化算法研究[D]. 武汉： 湖北工业大学， 2017.

[6] 路阳， 高慧敏. 光照不均QR码图像二值化研究[J]. 太原科技大学学报， 2012， 33（5）： 396400.

[7] 何鎏一， 杨国为. 基于深度学习的光照不均匀文本图像的识别系统[J]. 计算机应用与软件， 2020， 37（6）： 184190， 217.

[8] 杨馥溢， 何嘉. 基于深度学习的图像检索研究[J]. 计算机与数字工程， 2019， 47（9）： 22762280， 2285.

[9] 赵世峰， 何皙健. 基于OpenCV的复杂环境下图像二值化方法[J]. 电子测量技术， 2018， 41（6）： 5559.

[10] 余泽东. 基于otsu算法和Hu不变矩的交通信号灯识别[J]. 武汉大学学报： 工学版， 2020， 53（4）： 371376.

[11] 李曦， 黄荣慧， 刘备， 等. 基于Otsu聚类的生物组织损伤辨识方法[J/OL]. 湖南师范大学自然科学学报， 2020， （43）： 8287.

[12] 王玉银. 狼群优化的二维Otsu快速图像分割算法[J]. 信息系统工程， 2020（3）： 7273.

[13] 张举世. 改进的狼群优化二维Otsu阈值分割算法[J]. 电力学报， 2020， 35（1）： 4045.

[14] 白元明， 孔令成， 张志华， 等. 基于改进OTSU算法的快速作物图像分割[J]. 江苏农业科学， 2019， 47（24）： 231236.

[15] 贾坤昊， 夹尚丰， 杨栩， 等. 改进Niblack算法及其在不均匀光照条件下的应用[J]. 软件导刊， 2019， 18（4）： 8286.

[16] 王鑫睿. 历史文档图像二值化算法研究[D]. 武汉： 湖北工业大学， 2019.

[17] 曾凡锋， 刘树鹏. Retinex在光照不均文本图像中的研究[J]. 计算机工程与设计， 2017， 38（11）： 30723079.

[18] 梁琳， 何卫平， 雷蕾， 等. 光照不均图像增强方法综述[J]. 计算机应用研究， 2010， 27（5）： 16251628.

[19] 李治江， 丛林. 基于朴素贝叶斯理论的彩色图像二值化方法研究[J]. 数字印刷， 2020（1）： 1721.

[20] 罗钧， 杨永松， 侍宝玉. 基于改进的自适应差分演化算法的二维Otsu多阈值图像分割[J]. 电子与信息学报， 2019， 41（8）： 20172024.

[21] 吴延海， 潘晨， 吴楠. 改进的Otsu递归分割单幅图像去雾算法研究[J]. 西安科技大学学报， 2017， 37（3）： 438444.

[22] 何志勇. 基于改进OTSU法和显著性分析的表面缺陷高效视觉检测方法研究[D]. 江苏： 苏州大学， 2015.

[23] 李世文， 李立聪. 自适应OTSU算法在舰船边缘检测中的应用及其FPGA实现[J]. 软件导刊， 2019（6）： 176180.

[24] 魏晋， 郜泽霖. 基于OTSU二值化的航天器在轨环境预测方法[J]. 计算机测量与控制， 2020， 28（4）： 7579.

[25] 吴佳鹏， 杨兆选， 韩东， 等. 基于小波和Otsu法的二维条码图像二值化[J]. 计算机工程， 2010， 36（10）： 190192.

[26] 郭佳. 基于光照不均匀图像的自适应二值化方法研究[D]. 武汉： 武汉科技大学， 2013.

[27] 郭佳， 刘晓玉， 吴冰， 等. 一种光照不均匀图像的二值化方法[J]. 计算机应用与软件， 2014（3）： 189192， 208.

[28] Otsu N. A threshold selection method from graylevel histograms[J]. IEEE Transactions on Systems Man & Cybernetics， 2007， 9（1）： 6266.

[29] Sezgin M， Sankur B. Survey over image thresholding techniques and quantitative performance evaluation[J]. Journal of Electronic Imaging， 2004， 13（1）： 146165.

[30] Sahoo P K， Soltani S， Wong A K C. A survey of thresholding techniques[J]. Computer Vision， Graphics， and Image Processing， 1988， 41（2）： 233260.

Research on the Improved Algorithm of Processing Uneven Illumination Image Based on OTSU

LIU Mingxing， LIU Zeping， LI Bin， FU Chaoxing， MENG Han

（School of Electromechanic Engineering， Qingdao University， Qingdao 266071， China）

Abstract：   In order to solve the problem of image binarization under uneven illumination， an improved binary algorithm based on OTSU algorithm is proposed. The image is divided into two parts： bright region and dark region. The threshold corresponding to the maximum variance between the two parts is calculated respectively. By analyzing the characteristics of dark region， each pixel is judged to be in the bright region or dark region， and the threshold of each point is determined. The experimental results show that the algorithm can solve the problem of information loss in OTSU algorithm， and can be widely used in the binary processing of text image under the condition of uneven illumination. It is better for special cases， and more universal than other algorithms. The algorithm in this paper can reduce the running time of the algorithm by improving the operation speed of OTSU algorithm. This research can be used as a preprocessing method for character recognition and defect detection to improve the recognition accuracy.

Key words： binarization; OTSU; uneven illumination; threshold segmentation; maximum inter class variance; global threshold