基于阈值法的图像分割技术

阴国富

(1

．西安电子科技大学

陕西

西安

710071

；

2

．渭南师范学院

陕西

渭南

714000) 

在对图像的研究和应用中，

人们往往仅对图像中的某些部分感兴趣，

这些部分称为目标或前

景

(

其他部分称为背景

)

，他们一般对应图像中特定的、具有独特性质的区域。为了辨识和分

析目标，

需要将他们分离提取出来，

在此基础上才有可能对目标进一步利用。

图像分割就是

指把图像分成格局特性的区域并提取出感兴趣目标的技术和过程。

这里特性可以是象素的灰

度、颜色、纹理等，预先定义的目标可以对应单个区域，也可以对应多个区域。现有的图像

分割算法有：

阈值分割、

边缘检测和区域提取法。

本文着重研究基于阈值法的图像分割技术。

1 

阈值法图像分割

1.1 

阈值法的基本原理

阈值分割法是一种基于区域的图像分割技术，

其基本原理是：

通过设定不同的特征阈值，

把

图像象素点分为若干类。

常用的特征包括：

直接来自原始图像的灰度或彩色特征；

由原始灰

度或彩色值变换得到的特征。

设原始图像为

f(x

，

y)

，

按照一定的准则

f(x

，

y)

中找到特征值

T

，

将图像分割为两个部分，分割后的图像为：

若取：

b0=0(

黑

)

，

b1=1(

白

)

，即为我们通常所说的图像二值化。

1.2 

阈值法图像分割方法分类

全局阈值法指利用全局信息对整幅图像求出最优分割阈值，

可以是单阈值，

也可以是多阈值；

局部阈值法是把原始的整幅图像分为几个小的子图像，

再对每个子图像应用全局阈值法分别

求出最优分割阈值。

其中全局阈值法又可分为基于点的阈值法和基于区域的阈值法。

阈值分

割法的结果很大程度上依赖于阈值的选择，

因此该方法的关键是如何选择合适的阈值。

由于

局部阈值法中仍要用到全局阈值法，

因此本文主要对全局阈值法中基于点的阈值法和基于区

域的阈值法分别进行了研究。根据阈值法的原理可以将阈值选取技术分为

3

大类：

(1)

基于点的全局阈值方法

基于点的全局阈值算法与其他几大类方法相比，

算法时间复杂度较低，

易于实现，

适合应用

于在线实时图像处理系统。

(2)

基于区域的全局阈值方法

对一幅图像而言，

不同的区域，

比如说目标区域或背景区域，

同一区域内的象素，

在位置和

灰度级上同时具有较强的一致性和相关性。

(3)

局部阈值法和多阈值法

局部阈值

(

动态阈值

) 

当图像中有如下一些情况：

有阴影，

照度不均匀，

各处的对比度不同，

突发噪声，

背景灰度变化等，

如果只用一个固定的全局阈值对整幅图像进行分割，

则由于不

能兼顾图像各处的情况而使分割效果受到影响。

有一种解决办法就是用与象索位置相关的一

组阈值

(

即阈值使坐标的函数

)

来对图像各部分分别进行分割。这种与坐标相关的阈值也叫动

态阈值，

此方法也叫变化阈值法，

或自适应阈值法。

这类算法的时间复杂性和空间复杂性比

较大，但是抗噪能力强，对一些用全局阈值不易分割的图像有较好的效果。

多阈值法

很显然，如果图像中含有占据不同灰度级区域的几个目标，则需要使用多个阈值

才能将他们分开。其实多域值分割，可以看作单阈值分割的推广。