直方图与阈值分割

直方图与阈值分割

1. 直方图的基本概念
2. 大津算法的基本思想及实现
3. 区域生长法的基本思想及实现步骤

一、灰度直方图

以灰度为横坐标，每一个灰度值在图像中出现的次数作为纵坐标

灰度直方图描述了图像中灰度的分布情况

通过灰度直方图看到图像的照明效果

二、灰度阈值分割

假设：图像中的目标区和背景区之间或者不同目标区之间，存在不同的灰度或平均灰度
凡是灰度值包含于z的像素都变成某一灰度值，其他的变成另一个灰度值，则该图像就以z为界被分成两个区域

如果=1和=0，分割后的图像为二值图像

确定最佳阈值，使背景和目标之间的差异最大

大津算法

确定最佳阈值，使背景和目标之间的类间方差最大 (因为二者差异最大)

算法实现：遍历灰度取值

大津算法局限性

区域生长法分割

从种子点开始，按照一定准则(如相邻像素灰度相似性)向周围扩散，将邻域相似像素加入区域中

区域生长实现步骤：

1. 对图像顺序扫描!找到第1个还没有归属的像素, 设该像素为(x0, y0);
2. 以(x0, y0)为中心, 考虑(x0, y0)的8邻域像素(x, y)，如果(x, y)满足生长准则, 将(x, y)与 (x0, y0)合并, 同时将(x, y)压入堆栈;
3. 从堆栈中取出一个像素, 把它当作(x0, y0)返回到步骤2;
4. 当堆栈为空时，返回到步骤1;
5. 重复步骤1 - 4直到图像中的每个点都有归属时。生长结束。

大津算法与区域生长方法结果比较

实现

计算灰度直方图

dst = cv.ca
lcHist( images, channels, mask, histSize, ranges[, hist[, accumulate]] )

大津算法那计算阈值

retval, dst = cv.threshold( src, thresh, maxval, type[, dst] )

漫水填充（区域生长法）

retval, image, mask, rect = cv.floodFill( image, mask, seedPoint, newVal[, loDiff[, upDiff[, flags]]] )

总结

1. 灰度直方图是图像中灰度分布统计图
2. 大津算法是最常用的一类灰度阈值自动选取方式，目标是令类间方差最大（使用最广泛）
3. 区域生长法是另一类有效的分割方法，其核心在于利用相邻像素间的相似性（光照复杂、形状复杂）