自动阈值图像分割算法的研究与实现(3)

菜单

（2-1）

其中，Nobject 为目标物的像素点数；Nimage 为图像的总像素点数。

② 计算图像的灰度分布 pi ( i= 0,1,2,…,255 )。

（2-2）

其中，Ni 为图像中灰度值为 i 的像素个数。

③ 计算目标区域累计分布 Pk （ k= 0,1,2,…,255) 。

（2-3）

此时，图像必须满足一个特殊条件，那就是，图像的目标部分属于较暗部分（灰度值较小），而且背景和目标的界限明显。否则，目标区域的累计分布就不能从0灰度值开始累加。

④ 计算阈值 Th 。

（2-4）

这个表达式的意思是，使得目标区域累计分布与预先已知的目标物比例差的绝对值最小的值，就是所选取的分割阈值。

这种算法对图像的要求较高，即使预先已知图像的目标物所占比例，如果目标物的灰度值并不严格的分布在较低或者较高部分，且和背景界限分明，那么，在计算目标区域累计分布的时候就非常的复杂。这也决定了这种算法的局限性。来.自/751·论|文-网·www.751com.cn/

2.2.2 均匀性度量法

均匀性度量法的算法思想：选取一个合适阈值，把图像分为目标物和背景两个类别，使得同一类别内的像素值均匀分布。

方差是比较普遍用来度量像素间均匀性的参数。设原图像为 f（x,y) ,结果图像为 g(x,y) 。其中，此两函数表征的是像素灰度值。通过图像分割将原图像分为 C1 和C2 （即背景和目标）两类，则算法步骤如下：

① 给定初始阈值 Th=Th0 ，将图像分为C1和C2 两类

751论文网手机版...