基于Masi熵测度的灰度图像阈值分割方法

摘要

本发明公开了一种基于Masi熵测度的灰度图像阈值分割方法，该方法针对传统阈值化技术面对种类繁多的复杂图像实施分割时准确性和普适性不高的问题，提出基于信息论中Masi原理的阈值化方法，该方法普适性较强、分割精确、计算耗时少；利用本发明对图像进行处理后，得到的分割图像区域内部均匀，轮廓边界准确；通过调整熵指数使本发明具有更好的普适性，同时本发明的计算效率也很高，适用于实时性要求高的图像处理任务。

主权项

基于Masi熵测度的灰度图像阈值分割方法，其特征在于，包括如下操作步骤：（1）设置Masi熵测度的熵指数r的值，r>0且r≠1；（2）输入待分割的灰度图像，并将其存入一个大小为M×N的二维图像数组I中；（3）遍历图像数组I，用公式L‑1=max（I）计算得到图像最大灰度级值L‑1,构建图像灰度级集合G={0, 1, …, L‑1}，通过公式h_i=n_i/(M×N)计算得到归一化的灰度直方图H（H={h₀, h₁, …, h_L‑1}），这里n_i表示待分割图像内灰度级为i的像素数；（4）假定t为图像I的分割阈值，t将图像像素分为归属于两个不同类的灰度级集合C₀与C₁，C₀={0, 1, 2, …, t}，C₀={t+1, t+2, …, L‑1}；（5）用公式、计算得到关于C₀与C₁的先验概率P₀及P₁，P₀+P₁=1；（6）通过以下公式定义关于图像灰度级类C₀与C₁的Masi熵S₀和S₁：；；（7）阈值化前后图像总的Masi熵定义为S=S₀+S₁，即，此式即为图像阈值化准则函数；（8）在G={0, 1, …, L‑1}范围内求取图像总的Masi熵S的最大灰度级t^*，，t^*即最优分割阈值；（9）假设用f(x,y)表示原始图像I坐标(x,y)处的像素灰度值，s(x,y)表示分割后图像坐标(x,y)处的像素灰度值，则求得最佳分割阈值t^*后，s(x,y)用下式求得：；（10）输出分割后的图像。