主权项 |
基于对称Alpha散度的灰度图像直方图阈值分割方法,其特征在于,具体步骤如下:步骤1:读取待分割的灰度图像,并将其存入一个大小为M×N的二维图像数组I中;步骤2:遍历图像数组I,计算得到图像最大灰度级L‑1及灰度级集合G={0,1,…,L‑1},通过公式h<sub>i</sub>=n<sub>i</sub>/(M×N)计算得到归一化的灰度直方图H(H={h<sub>0</sub>,h<sub>1</sub>,…,h<sub>L‑1</sub>}),这里n<sub>i</sub>表示待分割图像内灰度级为i的像素数,L‑1表示图像内最大灰度级数;步骤3:假定t为分割阈值,则阈值化时t将图像像素分为归属于两个不同类的灰度级集合C<sub>0</sub>与C<sub>1</sub>,其中C<sub>0</sub>={0,1,2,…,t},C<sub>1</sub>={t+1,t+2,…,L‑1};步骤4:用H做为图像灰度级的概率密度函数估计,基于公式一计算关于C<sub>0</sub>与C<sub>1</sub>的先验概率P<sub>0</sub>及P<sub>1</sub>:公式一:<img file="481512dest_path_image001.GIF" wi="155" he="41" />;步骤5:基于公式二计算关于C<sub>0</sub>与C<sub>1</sub>的灰度均值m<sub>0</sub>与m<sub>1</sub>;公式二:<img file="620370dest_path_image002.GIF" wi="246" he="42" />;步骤6:通过公式三和公式四计算关于图像灰度级类C<sub>0</sub>与C<sub>1</sub>的对称Alpha散度D<sub>0</sub>和D<sub>1</sub>:公式三:<img file="dest_path_image003.GIF" wi="288" he="40" />;公式四:<img file="734956dest_path_image004.GIF" wi="287" he="41" />;步骤7:基于Alpha散度的伪叠加原则,用公式五定义图像总的对称Alpha散度,此式即为图像阈值化准则函数:公式五:<img file="dest_path_image005.GIF" wi="194" he="26" />步骤8:在G={0,1,…,L‑1}范围内搜索使公式六获得最小值的灰度级t<sup>*</sup>,t<sup>*</sup>即最优分割阈值:公式六:<img file="515831dest_path_image006.GIF" wi="109" he="27" />;步骤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<sup>*</sup>后,s(x,y)可用公式七计算得到:公式七:<img file="dest_path_image007.GIF" wi="219" he="47" />;步骤10:输出分割后的图像。 |