几种图像阈值分割算法的实现与比较作者：陈宁宁来源：《电脑知识与技术》2011年第13期摘要：图像分割是进行图像分析的关键步骤，也是进一步理解图像的基础。该文主要论述了常用的几种图像阈值分割的算法及原理，并以研究沥青混合料的集料特征为背景，从实验角度对图像阈值分割的直方图阈值法、迭代法和大津法进行了分析比较，得出了结论。关键词：图像分割；直方图阈值法；迭代法；大津法中图分类号：TP391文献标识码：A文章编号：1009-3044(2011)13-3109-03AchieveandComparisonofImageSegmentationThresholdingMethodCHENNing-ning(DepartmentofTechnology,Xi'anInternationalUniversity,Xi'an,China)Abstract:Imagesegmentationisakeystepforimageanalysis,Isalsothebasisforfurtherunderstandingoftheimage.Inthispaper,discussesseveralcommonlyusedimagesegmentationalgorithmsandtheory,andtostudytheaggregateasphaltmixturecharacteristicsofthebackground,experimentalresultsareshowntocomparehistogramthreshold,IterationmethodandtheOtsu.Keywords:imagesegmentation;histogramthreshold;iterationmethod;Otsu1概述图像分割是进行图像分析的关键步骤，也是进一步理解图像的基础。图像分割是指将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性像素的连通集合[1]。简单概括则为图像分割即是将数字图像划分成互不相交（不重叠）区域，把物体从背景中检测、分离出来的过程。图像分割质量的好坏、区域界线定位的精度都将直接影响后续对图像进行的分析和理解。一旦图像被分割，辨认出的物体就可以被测量和分类。2图像阈值分割在图像中不同区域之间的边界上一般具有灰度不连续性，即灰度的阶跃变化形成了区域的边界，所以可以寻找相邻像素颜色或灰度突变的算法，根据各个像素点的灰度不连续性进行分割[2]。而阈值分割则是根据图像灰度值的差异将图像分割成背景及物体的方法。阈值分割的核心就是阈值选取的问题。根据阈值选取的方法不同，图像分割的主要算法有直方图阈值法，迭代法和大津法。2.1直方图阈值法直方图阈值法其阈值主要通过分析图像的灰度直方图来进行确定[3]。一幅图像只有物体和背景两部分组成，其灰度级直方图呈现明显的双峰值，如图1所示，针对此种图像则选取双峰间的谷底处的灰度值T作为阈值对图像进行分割。其数学表达式为式（1）或式（2）。但明显具有双峰特性的图像可说是一种比较理想的情况，实际上很难找到这样的图像。一幅图像通常有多个物体和背景组成，这时其灰度直方图有可能呈现多个明显峰值，则仍可取峰值间峰谷处的灰度值作为阈值T，此时有多个阈值将图像进行分割，这就可成为多峰值阈值选择。假设有3个峰值如图2所示，这时可选两个峰谷处的灰度值T1,T2作为阈值。数学表达式为式（3）或式（4）[4]。（1）（2）（3）（4）2.2迭代法阈值分割迭代法也是一种在图像分割过程中选择合适阈值的方法，它是基于逼近的思想通过阈值迭代的方式，利用程序自动计算出比较合适的分割阈值[5]。迭代法指在初始条件中假设一个阈值，而通过对图像的迭代运算来不断地更新这一假设阈值，来得到最佳阈值。迭代法阈值分割主要算法：1）求出图像最小灰度值Rmin和最大灰度值Rmax计算初始阈值为。2）根据阈值将图像分割成目标和背景两部分，求出两部分的平均灰度值：（5）（6）R(i,j)为图像上(i,j)点的灰度值；N(i,j)为(i,j)点的权重系数，一般N(i,j)为R(i,j)的个数；TK为阈值。3）重新选择阈值T(K+1)，新的阈值T(K+1)定义为：。4）循环做第二步到第四步，当T(K)=T(K+1)则结束，即可获得最佳阈值来对图像进行分割[6]。2.3大津法阈值分割大津法是一种自适应的阈值确定的方法,又叫最大类间方差法,简称Ostu。该方法是基于图像中目标和背景两类别的可分离性提出的,它是建立在假设图像中目标和背景构成的混合密度函数是由两个服从等方差正态分布的子分布构成基础之上的[7]。对图像I(x,y)，前景(即目标)和背景的分割阈值记作T，属于前景点数占整幅图像的比例为ω0，其平均灰度为μ0；背景像素点数占整幅图像比例为ω1，平均灰度为μ1。图像的总平均...