改进全局阈值处理——图像平滑

改进全局阈值处理——图像平滑

1. 噪声会把简单的阈值处理问题变成不可解决的问题，在阈值处理前先对图像平滑
2. 去噪/平滑——滤波
3. 平滑会导致图像的边界模糊，使分割后物体与背景间的边界稍微有些失真

正常情况下

利用Otsu方法对正常图像进行分割：




阈值为143.000000
SM=0.929417 可分性很好

噪声的影响

I=imread('F:\6.jpg');
I2=rgb2gray(I);
I3=imnoise(I2,'gaussian',0,0.038);
figure,imshow(I3);
figure,imhist(I3);
[T,SM]=graythresh(I3);
I4=im2bw(I3,T);
figure,imshow(I4);
fprintf('%f %f\n',T*255,SM);

添加均值为0、标准差为50的噪声在灰度图上：


可见噪声对图像灰度直方图的影响是很大的，从直方图上可以判断出不适合阈值分割

分割结果图如下：

噪声影响分割结果，SM=0.68，可分性不是很好

改进——平滑

I=imread('F:\6.jpg');
I2=rgb2gray(I);
I3=imnoise(I2,'gaussian',0,0.038);
w=fspecial('average',5);
I4=imfilter(I3,w,'replicate');
figure,imshow(I4);
figure,imhist(I4);
[T,SM]=graythresh(I4);
I5=im2bw(I4,T);
figure,imshow(I5);
fprintf('%f %f\n',T*255,SM);

平滑后图像为：


平滑对直方图形状的改变很明显，且我们可以期望平滑后图像的阈值处理结果趋近于完美

从结果图可以看出边界有失真情况，但比起带噪声图像的分割结果来说好了太多

图像平滑可作为全局阈值处理图像分割的一种改进方法