一种基于三维连通性的图像阈值测定方法及装置制造方法及图纸

技术编号:24857384 阅读:211 留言:0更新日期:2020-07-10 19:09
本发明专利技术提供了一种基于三维连通性的图像阈值方法及装置,包括:将一次采集的二维图像全部导入;设定分割阈值间隔ο,判别参量阈值ε;选择阈值搜索初始值μ

【技术实现步骤摘要】
一种基于三维连通性的图像阈值测定方法及装置
本专利技术属于图像处理领域,涉及一种图像阈值测定方法及装置,特别涉及一种基于三维连通性的图像阈值测定方法及装置。
技术介绍
阈值法是图像分割常用的方法之一,它利用图像中目标与背景在灰度值上的差异,通过设置阈值对像素进行分类,从而实现目标与背景的分离。常用的阈值法包括:(1)人工经验选择法根据先验知识,或者通过对图像中的目标与背景进行分析总结规律,获得目标和背景的像素值区间,在此基础上找出比较好的阈值。该方法不能实现自动的阈值选取,因此,效率较低,而且易受图像质量的影像,导致显著的分割误差。(2)最大类间方差法也称大津法,它的基本思想是,根据图像的灰度特性将图像分为前景和背景两个部分,两部分之间差别最大时的阈值最佳,其采用的衡量差别的标准就是最大类间方差。设M为图像的灰阶数,N为像素总数,N1为背景像素总数,N2为前景像素总数,Pi表示像素值为i的像素点总数,则背景像素占比:ω0=N1/N前景像素占比:ω1=N2/N背景像素的灰度均值:前景像素的灰度均值:图像的灰度均值:μ=ω0×μ0+ω1×μ1图像的类间方差:σ=ω0×(μ0-μ)2+ω1×(μ1-μ)2将类间均值公式代入,则有:σ=ω0×ω1×(μ0-μ1)2该方法是目前最常用的阈值计算方法。由于在分割过程中对每个像素都使用了相等的阈值,因此,只适用于前景灰度特征连续的图像。(3)迭代法它的基本思想是,将图像分为前景和背景两个部分,当两部分保持稳定时的阈值就是最佳,其衡量分割稳定性的标准就是两部分像素中心的均值。设M为图像的灰阶数,Pi表示像素值为i的像素点总数,则背景像素的灰度中心值:前景像素的灰度中心值:前景和背景中心的均值:迭代产生T值作为新的阈值,当Tt=T(t-1)时,此时的T值就是最优阈值。该方法适用于图像存在显著区别的两个部分。最大类间方差法和迭代法都要求同时考虑前景和背景区域的像素值分布特征,因此,确定阈值的过程会受到背景特征信息的干扰。此外,这两种方法要求前景各部分的像素值的分布具有连续性,如果前景存在像素值反差的区域或者局部信息缺失等,也会出现较大的分割误差。
技术实现思路
为了克服现有技术中的不足,本专利技术人进行了锐意研究,提供了一种基于三维连通性的图像阈值测定方法及装置,将前景体素的空间分布特征与像素(体素)的值分布特征相结合,利用体素空间特征的显著变化来寻找最佳的分割像素值,从而完成本专利技术。本专利技术的目的在于提供以下技术方案:第一方面,一种基于三维连通性的图像阈值方法,包括:S100,将一次采集的二维图像全部导入,得到二维图像组,全部二维图像通过三维重建能够得到针对图像中目标的三维图像;S200,设定分割阈值间隔ο,判别参量阈值ε;S300,选择阈值搜索初始值μ0,该阈值搜索初始值μ0小于等于分割阈值;S400,分别计算阈值μ0-2*ο、阈值μ0-ο和阈值μ0下分割出的前景区域体素总数量N,和/或分割出的体素总数量M,和/或分割出的非前景区域体素总数量L;S500,基于S400中测定的参数设定判别参量β,该判别参量β用以衡量分割出的前景区域体素总数量N是否出现陡增;S600,若判别参量β>判别参量阈值ε,则跳到S800;否则,继续S700;S700,μ0←μ0+ο,返回S400;S800,取当前β对应的阈值μ0,并输出μ0-ο,作为最佳阈值。进一步地,在可以预知阈值μ的搜索范围时,该方法可以通过以下步骤实施:S100,将一次采集的二维图像全部导入,得到二维图像组,全部二维图像通过三维重建能够得到针对图像中目标的三维图像;S200,设定分割阈值间隔ο,判别参量阈值ε;S300,选择一个小于分割阈值的值作为阈值搜索下界μ0;选择一个大于分割阈值的值作为阈值搜索上界μ1;S400,以ο为间隔,计算μ0到μ1之间的每一个阈值μ下分割出的前景区域体素总数量N,和/或分割出的体素总数量M,和/或分割出的非前景区域体素总数量L,并将上述参数加入队列listN、和/或listM、和/或listL;S500,基于S400中测定的参数设定判别参量β,该判别参量β用以衡量分割出的前景区域体素总数量N是否出现陡增;计算各阈值下判别参量β并加入队列listβ;S600,按阈值μ从小到大的顺序,依次取其在队列listβ中对应的β值进行判别,直至β>ε;S700,取当前β对应的阈值μ,并输出μ-o,作为最佳阈值。第二方面,一种基于三维连通性的图像阈值装置,用于实施第一方面所述的基于三维连通性的图像阈值方法,该装置包括:导入模块,用于将一次采集的二维图像全部导入,得到二维图像组,全部二维图像通过三维重建能够得到针对图像中目标的三维图像;参量设定模块,用于输入设定参量的数值或者计算方式,包括为分割阈值间隔ο、判别参量阈值ε、和阈值搜索初始值μ0赋值,以及选择判别参量β的计算方式;体素数量测定模块,用于测定阈值μ0-2*ο、阈值μ0-ο和μ0下分割出的前景区域体素总数量N,和/或分割出的体素总数量M,和/或分割出的非前景区域体素总数量L;判别参量测定模块,根据阈值μ由小到大的顺序,依次测定判别参量β;阈值判定模块,用于判定判别参量β与判别参量阈值ε的数值关系,若判别参量β>判别参量阈值ε,取当前β对应的阈值μ0,并输出μ0-o,作为最佳阈值;若判别参量β≤判别参量阈值ε,当前阈值增加分割阈值间隔后作为新的搜索阈值,启动体素数量测定模块和判别参量测定模块再次进行下一阈值下运算。进一步地,在可以预知阈值μ的搜索范围时,该装置包括:导入模块,用于将一次采集的二维图像全部导入,得到二维图像组,全部二维图像通过三维重建能够得到针对图像中目标的三维图像;参量设定模块,用于输入设定参量的数值或者计算方式,包括为分割阈值间隔ο、判别参量阈值ε、阈值搜索下界μ0、和阈值搜索上界μ1赋值,以及选择判别参量β的计算方式;体素数量测定模块,用于以ο为间隔,计算μ0到μ1之间的每一个阈值μ下分割出的前景区域体素总数量N,和/或分割出的体素总数量M,和/或分割出的非前景区域体素总数量L,并将上述参数加入队列listN、和/或listM、和/或listL;判别参量测定模块,计算各阈值下判别参量β并加入队列listβ;阈值判定模块,按阈值μ从小到大的顺序,依次取其在队列listβ中对应的β值进行判别,直至判别参量β>判别参量阈值ε,取当前β对应的阈值μ0,并输出μ0-ο,作为最佳阈值。根据本专利技术提供的一种基于三维连通性的图像阈值测定方法及装置,带来了以下有益的技术效果:与传统的方法相比,新方法可本文档来自技高网
...

【技术保护点】
1.一种基于三维连通性的图像阈值方法,其特征在于,包括:/nS100,将一次采集的二维图像全部导入,得到二维图像组,全部二维图像通过三维重建能够得到针对图像中目标的三维图像;/nS200,设定分割阈值间隔ο,判别参量阈值ε;/nS300,选择阈值搜索初始值μ

【技术特征摘要】
1.一种基于三维连通性的图像阈值方法,其特征在于,包括:
S100,将一次采集的二维图像全部导入,得到二维图像组,全部二维图像通过三维重建能够得到针对图像中目标的三维图像;
S200,设定分割阈值间隔ο,判别参量阈值ε;
S300,选择阈值搜索初始值μ0,该阈值搜索初始值μ0小于等于分割阈值;
S400,分别计算阈值μ0-2*ο、阈值μ0-ο和阈值μ0下分割出的前景区域体素总数量N,和/或分割出的体素总数量M,和/或分割出的非前景区域体素总数量L;
S500,基于S400中测定的参数设定判别参量β,该判别参量β用以衡量分割出的前景区域体素总数量N是否出现陡增;
S600,若判别参量β>判别参量阈值ε,则跳到S800;否则,继续S700;
S700,μ0←μ0+ο,返回S400;
S800,取当前β对应的阈值μ0,并输出μ0-ο,作为最佳阈值。


2.根据权利要求1所述的方法,其特征在于,二维图像为灰度图像,且图像中前景区域像素值低于背景区域像素值;
若二维图像为RGB彩色图像,将RGB彩色图像转换为灰度图像;
若图像中前景区域像素值高于背景区域像素值,则取当前图像像素值的最大值,将最大值减去每个像素的当前值作为该像素的新值,由此构建新的图像,利用这个方法,即可恢复成前景区域像素值高于背景区域像素值的情况。


3.根据权利要求1所述的方法,其特征在于,判别参量β为分割出的前景区域体素总数量N的差分相邻比;或者
判别参量β为分割出的体素总数量M的差分相邻比;或者
判别参量β为分割出的非前景区域体素总数量L的差分相邻比。


4.根据权利要求1所述的方法,其特征在于,判别参量β为分割出的前景区域体素总数量N与分割出的体素总数量M的比值绝对值的差分相邻比;或者
判别参量β为分割出的体素总数量M与分割出的前景区域体素总数量N的比值绝对值的差分相邻比。


5.根据权利要求1所述的方法,其特征在于,判别参量β为分割出的前景区域体素总数量N与分割出的非前景区域体素总数量L的比值绝对值的差分相邻比;或者
判别参量β为分割出的非前景区域体素总数量L与分割出的前景区域体素总数量N的比值绝对值的差分相邻比。


6.根据权利要求1所述的方法,其特征在于,判别参量β为分割出的非前景区域体素总数量L与分割出的体素总数量M的比值绝对值的差分相邻比;或者
判别参量β为分割出的体素总数量M与分割出的非前景区域体素总数量L的比值绝对值的差分相邻比。


7.根据权利要求1至6之一所述的方法,其特征在于,在可以预知阈值μ的搜索范围时,该方法可以通过以下步骤实施:
S100,将一次采集的二维图像全部导入,得到二维图像组,全部二维图像通过三维重建能够得到针对图像中目标的三维图像;
S200,设定分割阈值间隔ο,判别参量阈值ε;
S300,选择一个小于分割阈值的值作为阈值...

【专利技术属性】
技术研发人员:汪昌健郭凌超
申请(专利权)人:中国人民解放军国防科学技术大学
类型:发明
国别省市:湖南;43

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1