一种模糊小目标自适应阈值分割方法

《一种模糊小目标自适应阈值分割方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、一种模糊小目标自适应阈值分割方法　　摘要：文章提出了一种基于顶帽变换和边缘检测的强噪声背景下的目标提取方法。模糊背景下图像的目标提取存在一定的困难，必须对图像进行增强处理。文中涉及到的目标具有不同的灰度值，固定阈值法不能保证检测出所有的目标。在原有自适应阈值分割的基础上设计了一种基于顶帽变换和边缘检测的自适应阈值分割方法，首先对图像进行顶帽变换增强图像，再利用Sobel边缘提取算法提取所有可能目标的边缘，利用原图像中对应边缘点的灰度取平均值作为图像分割的阈值来提取目标。实验结果表明：利用检测出的边缘灰度均值作为图像的灰度阈值来分割目

2、标，能有效地提取出模糊小目标。关键词：细微缺陷缺陷分割数字图像处理中图分类号：TP391文献标识码：A文章编号：1007-9416（2013）01-0208-031引言8在水龙头制造等行业，产品的表面质量是一个重要的质量指标，目前，这类产品的表面质量检测基本上还是靠人工目测。随着机器视觉技术的快速发展，在表面缺陷检测领域引入机器视觉技术已成为人们关注的热点。但由于不同背景下的表面缺陷特征呈现较大的差异性，因此，机器视觉技术中的缺陷分割、特征提取及分类识别面临着一定的困难，如果不能正确分割缺陷，那么特征1提取和正确分类将受到影响。图像

3、分割算法通常分为三类：阈值分割、边缘分割、区域提取[1]。在传统的阈值分割算法的基础上，已经发展出基于梯度的边缘强度算法、迭代阈值算法、局部多阈值算法、最小类间方差法、矩量保持法等方法[2]。由于类似水龙头的表面缺陷具有：表面成曲面光照不均匀、有高光效应、表面缺陷微小等特点，因此这类模糊小缺陷的识别很难达到理想的效果。识别光照不均匀的表面微小缺陷时，图像的灰度值不是很稳定，如果直接用阈值法，需要阈值的自动调节，而现有的依据灰度直方图自动选择阈值的方法，由于在有无缺陷的情况下直方图几乎一致，很难自动寻找到适当的阈值。而人工智能的方法需

4、要用大量的样本进行训练，为实际的应用带来了难度。基于以上原因，在研究光滑反光曲面物体表面缺陷的特殊性时，我们总结出了一种基于边缘检测的表面微小缺陷的自适应阈值分割方法。该方法先通过顶帽变换增强图像，再利用边缘检测算子得到可能目标的边缘，取原图像中对应边缘点的灰度均值作为分割阈值来分割图像，可以较准确地分割出灰度值不一致的细微缺陷。2基于灰度阈值图像分割的基本原理8灰度阈值分割法[3]是假设每个图像都是由许多灰度值相近的像素构成的，物体和背景之间或者不同物体之间的灰度值有明显的差别，只要选取一个适当的灰度阈值，然后将每个像素的灰度值和

5、它进行比较，将灰度点超过阈值的像素点重新分配以最大灰度（255），低于阈值的像素点分配以最小灰度（0），从而组成一个新的二值图像，这样就把目标从背景中分割出来。图像阈值化处理实质上是一种图像灰度级的非线性运算，随着阈值的取值不同，可以得到不同的二值图像。选取阈值的一种方法是目视直方图[4]，根据直方图我们可以很容易地选取一个阈值来分割。另一种选择阈值的方法是反复试验，挑选不同的阈值，直到观察者觉得产生了较好的结果为止，这在交互式环境下特别有效。但是很多情况下我们希望计算机能根据图像的特点自动选择一个合适的阈值来进行分割，而不需要人为

6、的干预[5]。因此需要一种自适应阈值选取方法。下面介绍一种经典的自适应阈值分割方法。3最大类间方差法（OTSU）8OTSU算法也称最大类间差法[3]，被认为是图像分割中阈值选取的最佳算法，由于其计算简单，且不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。其基本思路是按图像的灰度特性，将图像分成背景和前景两部分，背景和前景之间的类间方差越大，说明构成图像的两部分的差别越大，当前景错分为背景或背景错分为前景都会导致两部分差别变小。因此，使类间方差最大的分割意味着错分概率最小。设灰度图像灰度级为级，利用OTSU算法计算图

7、像的最佳阈值为：（1）其中的变量说明：当分割的阈值为k时，为整体图像的灰度平均值，为阈值为k时的平均阈值，为阈值为k的概率。使以上表达式值最大的k，即为分割图像的最佳阈值。研究光滑反光曲面检测表面缺陷的过程中，我们获取的一部分缺陷图像是模糊目标，图1为沙眼、刮伤以及漏镀等缺陷的原始图像，图2为我们经过图像增强等预处理之后使用OTSU算法分割出的三种不同图像的分割结果：（a）沙眼（b）刮伤（c）漏镀图1原始图像（a）沙眼（b）刮伤（c）漏镀图2otsu分割结果8经典方法的不足之处在于，由于目标具有灰度值不均匀的特点，直接利用经典的阈值

8、分割法难以保证检测出所有的目标点。因此，我们可以利用图像特点，采取先对图像进行顶帽变换增强图像，利用边缘提取算法，提取可能目标的边缘，取原图像中对应边缘点的灰度均值，作为整个图像分割的阈值来进行自适应阈值分割方法。4自适应阈值选取方法