黃建昌 劉雅舉 河北農(nóng)業(yè)大學(xué)理工學(xué)院

改進(jìn)OTSU算法以及邊緣檢測的圖像分割算法的相關(guān)研究

黃建昌 劉雅舉 河北農(nóng)業(yè)大學(xué)理工學(xué)院

最大類間方差法可以應(yīng)用于圖像的閾值的選取，為了避免圖像過度分割、提高分割效果，需要對最大類間方差法（OTSU）進(jìn)行改進(jìn)。本文通過分析研究，主要闡述OTSU算法以及邊緣檢測分割算法能夠通否有效結(jié)合，形成更加先進(jìn)的分割方法，以達(dá)到更好地圖像分割效果。

OTSU算法 邊緣檢測 圖像分割

圖像分割是圖像處理的關(guān)鍵，圖像分割是將圖像中重要的特征提取出來，并對圖片中的邊緣區(qū)域進(jìn)行圖像識別和圖像分析，目前圖像分割技術(shù)處在研究和開發(fā)階段，暫時(shí)沒有適用于各種圖像的分割方法，因此，在研究圖像分割算法時(shí)，要考慮改進(jìn)OTSU算法和邊緣檢測，以便更完整地提取出圖片的邊緣區(qū)域信息，達(dá)到良好的分割效果。

1 最大類間方差法的原理

最大類間方差法（OTSU）是日本學(xué)者大津提出的著名閥值確定法。該方法按照圖像的灰度特征，把圖像分成了目標(biāo)和背景兩個(gè)類別，主要理論方法是計(jì)算圖像的背景和目標(biāo)的方差值。如果方差值越大，圖像越容易分割，但當(dāng)部分目標(biāo)錯(cuò)分為背景，或者是部分背景錯(cuò)分為目標(biāo)，這樣的結(jié)果都會使分割效果下降。所以類間方差取值越大，圖片錯(cuò)分的概率就越小，而且越容易分割。

2 改進(jìn)的最大類間方差法分析

雖然最大空間方差法計(jì)算方法簡單，但是當(dāng)圖像的目標(biāo)和背景差距較大時(shí)，空間信息受限，而且圖像的灰度分布對噪音比較敏感，因此圖像分割會因?yàn)椴糠挚陀^因素而導(dǎo)致分割效果欠佳，必須進(jìn)行改進(jìn)。

2.1 初始閾值分割

這種方法可以參考整個(gè)圖像的平均灰度值，進(jìn)行合理分割，能夠簡化計(jì)算閾值的過程，而且計(jì)算的時(shí)效性特點(diǎn)突出。如假設(shè)圖像大小為m×n，初始閾值公式為：

2.2 計(jì)算平均值

圖像可分為兩個(gè)部分，通過計(jì)算初始閾值T0，可以設(shè)大于T0部分的目標(biāo)為C1，其平均灰度值公式為：

2.3 確定閾值的范圍

計(jì)算閾值T0，并將閾值設(shè)為圖像的平均灰度值，其目標(biāo)亮度是高于圖像背景的。此外一般復(fù)雜背景的圖像灰度值有時(shí)會高于平均灰度，容易造成分割錯(cuò)判。分割圖像必須保證目標(biāo)的灰度值高于背景的均值，因此必須要確定閾值的取值范圍，以保證圖像完整分割。

2.4 求最佳閾值

通過上文敘述，我們可使用OSTU計(jì)算出最佳閾值，改進(jìn)后的OSTU能夠有效減少計(jì)算量，而且能夠保證計(jì)算的精準(zhǔn)度，而合理閾值能夠保證圖像在分割時(shí)更加有效地進(jìn)行圖像分割。

3 邊緣檢測與結(jié)果分析

邊緣檢測就是對圖像上的要素點(diǎn)進(jìn)行微分以得出邊緣的像素點(diǎn)，分為一階微分圖像和二階微分圖像兩種方式，一階微分圖像峰值一般在對應(yīng)圖像的邊緣點(diǎn)處，而二階微分圖像一般在對應(yīng)著圖像的邊緣點(diǎn)處。在分割圖像時(shí)，對像素點(diǎn)的灰度變化進(jìn)行量化，邊緣檢測定義圖像的梯度可作為梯度算子。圖像梯度能夠考察圖像灰度變化率，可以反映出圖像邊緣上的灰度變化，邊緣檢測算子有Roberts算子、Prewitt算子、Kirsch算子等等。這里以Roberts算子為例，邊緣的鋒利程度由灰度的梯度決定，梯度為向量，公式為：

梯度大小公式為

利用試驗(yàn)圖像的水平和垂直的差分進(jìn)行計(jì)算，并算出向量，然后求取絕對值，能夠得到Roberts的算子，其公式為：

具體試驗(yàn)可以將圖像進(jìn)行減噪處理，再利用改進(jìn)的OTSU算法對圖像的最佳閾值進(jìn)行取值，然后采用邊緣檢測Roberts算子進(jìn)行邊緣檢測，能夠確定出具體圖像的邊緣位置分布，并確定圖像的邊緣性的特征狀況。最后根據(jù)計(jì)算結(jié)果進(jìn)行圖像分割。

原圖

改進(jìn)后OSTU處理

通過圖像實(shí)驗(yàn)得出的具體結(jié)果，可以發(fā)現(xiàn)改進(jìn)后的OSTU算法能夠使圖像的背景和目標(biāo)亮度變化縮?。ㄖ饕莾刹糠值姆讲罹当豢紤]），OSTU配合邊緣檢測對原來的算法進(jìn)行了改進(jìn)，能夠更好地分割出圖像的信息。

4 總結(jié)

總之。改進(jìn)的OTSU算法和邊緣檢測相結(jié)合的圖像分割算法，能夠有效計(jì)算圖像目標(biāo)和背景的方差值，并利用圖像信息進(jìn)行最佳閾值的選取，而且能夠最大限度地保護(hù)圖像的邊緣特征，保證圖像的實(shí)際分割效果，該方法簡單易算，能夠較快地處理圖像信息，應(yīng)用前景廣泛。

[1]孫歡歡,程耀瑜,冀鈺改進(jìn)OTSU算法和邊緣檢測的圖像分割算法研究[J].山西電子技術(shù),2014(2):82-84

[2]楊陶,田懷文,劉曉敏,等.基于邊緣檢測與Otsu的圖像分割算法研究[J].計(jì)算機(jī)工程,2016,42(11):255-260

[3]汪昡紫,孫憲坤,高飛.軌道表面圖像處理算法研究[J].計(jì)算機(jī)技術(shù)與發(fā)展,2015(9):182-186

河北農(nóng)業(yè)大學(xué)理工基金項(xiàng)目子課題：基于邊緣檢測的圖像分割算法研究（編號：LG201635）；河北農(nóng)業(yè)大學(xué)理工基金項(xiàng)目子課題：復(fù)雜背景下鵝膏菌屬圖像的自動識別（編號：LG201636）；河北農(nóng)業(yè)大學(xué)理工基金總項(xiàng)目：面對對象的圖像智能識別（編號：LG201634）。