基于CIE Lab彩色空间的灰度阈值分割方法

摘要

一种基于CIE Lab彩色空间的灰度阈值分割方法，包括如下步骤：步骤1：将RGB彩色空间的图像变换至CIE Lab彩色空间；步骤2：对CIE Lab彩色空间的各个灰度通道进行高斯直方图滤波；步骤3：采用Otsu阈值法计算出各个灰度通道的阈值，并调整阈值为局部极小值；步骤4：计算CIE Lab彩色空间的各个灰度通道的灰度分离度，选取灰度分离度最大的灰度通道，采用步骤3中计算出的相应的阈值进行二值化分割。本发明很好的解决了一部分彩色图像分割的问题。并且该分割可以作为复杂彩色图像的预分割，所提出的分离度指标也可以作为图像评价的一个标准。

主权项

一种基于CIE Lab彩色空间的灰度阈值分割方法，包括如下步骤：步骤1：将RGB彩色空间的图像变换至CIE Lab彩色空间；步骤2：对CIE Lab彩色空间的各个灰度通道进行高斯直方图滤波；步骤3：采用Otsu阈值法计算出各个灰度通道的阈值，并调整阈值为局部极小值；步骤4：计算CIE Lab彩色空间的各个灰度通道的灰度分离度，选取灰度分离度最大的灰度通道，采用步骤3中计算出的相应的阈值进行二值化分割；其中所述的灰度分离度，是自定义的分离度准则，它可以表征灰度通道的可分离度特性；分离度越大，说明前景与背景的可分性越强，在灰度空间的重叠度越小，分离度的计算如下：其中m_h，m₁代表最高和最低灰度值，m₁、m₂代表两类的平均灰度值，σ²_B(t)代表类间方差，σ²_T代表图像方差，s₁、s₂、s₃分别代表三角形的面积Δp₁vp₂、Δp₂vv₀和Δp₁vv₀，在计算三角形的面积时，灰度被归一化至0到1的范围；点p₁与p₂分别代表峰值点，v代表谷值点，v₀代表谷值点在灰度轴上的投影点： η_cd＝(m₂‑m₁)/(m_h‑m_l)       (14)${\eta }_{ov}={\sigma }_B^2\left(t\right)/{\sigma }_T^2---\left(15\right)$ η_area＝S₁/(S₁+S₂+S₃)       (16) η＝(η_ov+η_cd)log₂(1+η_area)     (17)。