機器視覺（六）：圖像分割

圖像分割（image segmentation）是指把圖像分割成各個具有特性的區域并提取出感興趣目標的技術和過程。

現有的圖像分割方法主要分以下幾類：基于閾值（threshold）的分割方法、基于區域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。

基于閾值的分割方法是一種應用十分廣泛的圖像分割技術，其實質是利用圖像的灰度直方圖信息獲取用于分割的閾值，一個或幾個閾值將圖像的灰度級分為幾個部分，認為屬于同一部分的像素是同一個物體。

一、灰度閾值法介紹

1.原理

圖像閾值化處理的變換函數表達式為：

2.閾值的選取

?雙峰法

?迭代法

?大津法

?判別分析法

?最佳熵自動閾值法

二、最大類間方差確定閾值(大津法)

大津法又叫最大類間方差法、最大類間閾值法（OTSU）。

它的基本思想是，用一個閾值將圖像中的數據分為兩類，一類中圖像的像素點的灰度均小于這個閾值，另一類中的圖像的像素點的灰度均大于或者等于該閾值。

如果這兩個類中像素點的灰度的方差越大，說明獲取到的閾值就是最佳的閾值（方差是灰度分布均勻性的一種度量,背景和前景之間的類間方差越大,說明構成圖像的兩部分的差別越大,當部分前景錯分為背景或部分背景錯分為前景都會導致兩部分差別變小。

因此,使類間方差最大的分割意味著錯分概率最小。）則利用該閾值可以將圖像分為前景和背景兩個部分。

而我們所感興趣的部分一般為前景。

具體的分析可以參考我的另一篇博文：大津法（最大類間方差法OTSU）

(https://blog.csdn.net/m0_53966219/article/details/126621122?spm=1001.2014.3001.5501)

三、雙峰法閾值分割

雙峰法閾值分割
I=imread('test2.jpg'); I=rgb2gray(I); subplot(1,2,1);
imhist(I);title('直方圖');
thread=130/255;
subplot(1,2,2); I3=im2bw(I,thread);
imshow(I3);title('雙峰法分割圖');

四、迭代法閾值分割

1.步驟

1.選取初始分割閾值，通?？蛇x圖像灰度平均值 T。

2.根據閾值 TT 將圖像像素分割為背景和前景，分別求出兩者的平均灰度 T_0 和 T_1。

3.計算新的閾值 T′=(T0+T1)/2。

4.若 T==T′，則迭代結束，T 即為最終閾值。否則令 T=T′，轉第 (2) 步。

2.實現

A = imread('text.png');
figure;
subplot(121);imshow(A);title('原始圖像')
T = mean2(A);  %取均值作為初始閾值
done = false;  %定義跳出循環的量
i = 0;
% while循環進行迭代
while ~done
  r1 = find(A<=T); ?%小于閾值的部分
  r2 = find(A>T);  %大于閾值的部分
  Tnew = (mean(A(r1)) + mean(A(r2))) / 2; %計算分割后兩部分的閾值均值的均值
  done = abs(Tnew - T) < 1;   %判斷迭代是否收斂
  T = Tnew;   %若不收斂,則將分割后的均值的均值作為新的閾值進行循環計算
  i = i+1;
end
A(r1) = 0;  %將小于閾值的部分賦值為0
A(r2) = 1;  %將大于閾值的部分賦值為1  這兩步是將圖像轉換成二值圖像
 
subplot(122);imshow(A,[]);title('迭代處理后')