您现在的位置：毕业论文 >> 论文 >> 正文

三种OTSU阈值分割方法研究第5页

更新时间：2012-2-26: 来源：毕业论文

Fuction Histogram1D(img,h)
{
//初始化直方图
for i=0:255
  h[i]=0;

//统计各个阈值直方图的像素点个数
for r=0:img.rows-1
{
  for c=0:img.cols-1
  {
   ++h[img[r,c]];
  }
}
}

Fuction Histogram2D(img,imgAvg,h)
{
//初始化直方图
for r=0:255
{
  for c=0:255
  {
   h[r,c]=0;
  }
}

//统计各个阈值直方图的像素点个数
for r=0:img.rows-1
{
  for c=0:img.cols-1
  {
   ++h[img[r,c],imgAvg[r,c]];
  }
}
}
2.4 阈值分割图像质量评定
为了能对分割出来的图像有一个良好的定性，现在引入阈值分割图像质量评定的方法及其相关概念。错误分类误差（ME，Misclassification Error）[29]是一种把图像分割问题转换问像素分类问题的方法，它表示背景像素被误分为目标像素，还有目标像素被误分为背景像素的百分比。ME的公式定义如下：
         (2-8)
公式中和分别表示参考图像的背景像素，目标像素的集合。和分别表示图像阈值分割后的背景像素，目标像素的集合。输入的参考图像是由手工方选取的方式，则根据视觉观察分割结果来获取标准的分割参考图像。其中ME的取值范围是[0,1]。其中0表示无错误分类发生，1则表示全部的像素分类都发生错误。所以，ME越大，对应分割图像质量也就越差。本文来自辣.文~论^文.网原文请找腾讯324-9114
第二种分割判定的方法：假阳性率（FPR，False Positive Rate）[30]和假阴性率（FNR，False Negative Rate）[31]。FPR使用背景像素中被误分为目标像素的个数与背景总像素所在的百分比作为判别指标。而FNR则是使用目标像素中被误分为背景像素的个数与目标总像素个数的比率。通俗点说就是，FPR表示全部背景像素中有百分之几的背景像素跑到了目标像素中，而FNR则是全部目标像素中有百分之几的目标像素跑到了背景像素中。它们的公式定义如下：