一种激光视觉图像的阈值分割方法

摘要

本发明公开了一种激光视觉图像的阈值分割方法，包括对激光视觉图像进行灰度直方图的计算、设置阈值T(k)并设定其初始值T(0)、进行第一次迭代计算、设定第二次迭代过程的阈值初始值T(N)、进行第二次迭代计算、引入权重系数a、确定背景图像和目标图像。本发明步骤简单、设计逻辑合理、可实现，采用了二次迭代算法对激光视觉图像进行分割，其抗干扰能力强、分割效果好，能够满足跟踪系统的实时性要求，能够应用于机器人的焊缝跟踪系统中，使得激光视觉传感技术可以顺利的在工业生产中广泛应用。

主权项

一种激光视觉图像的阈值分割方法，其特征在于，包括以下步骤：步骤一，对激光视觉图像进行灰度直方图的计算，获取256个灰度等级的像素个数P(i)，i∈[0，255]的整数；步骤二，设置阈值T(k)，其中T(k)∈[0，255]，k为≥0的整数；并根据阈值T(k)将激光视觉图像分为目标图像和背景图像：灰度等级大于T(k)的像素点组成为目标图像，灰度等级小于等于T(k)的像素点组成为背景图像；同时，设定阈值T(k)的初始值T(0)，其中T(0)∈[100，200]或者T(0)为激光视觉图像中的最大灰度值和最小灰度值的算术平均值；步骤三，按照式(1)和式(2)分别计算目标图像和背景图像的区域内像素的灰度平均值μ_O(k)和μ_B(k)；${\mu }_O\left(k\right)=\frac{\underset{i=T\left(k\right)+1}{\overset{255}{\Sigma }}P\left(i\right)·i}{\underset{i=T\left(k\right)+1}{\overset{255}{\Sigma }}P\left(i\right)}---\left(1\right),$${\mu }_B\left(k\right)=\frac{\underset{i=0}{\overset{T\left(k\right)}{\Sigma }}P\left(i\right)·i}{\underset{i=0}{\overset{T\left(k\right)}{\Sigma }}P\left(i\right)}---\left(2\right);$步骤四，按照式(3)计算新阈值T(k+1)；$T(k+1)=\frac{{\mu }_O\left(k\right)+{\mu }_B\left(k\right)}{2}---\left(3\right);$步骤五，当|T(k+1)‑T(k)|≤δ时，则结束搜索，并将T(k)作为所求的阈值；当|T(k+1)‑T(k)|＞δ时，则将新阈值T(k+1)代入到步骤三中，继续迭代计算，直至符合结束搜索的条件；其中，δ为自定义的精度值并且δ≥0；当搜索结束时经历的循环迭代次数设为N，N为＞0的整数，此时的阈值为T(N‑1)，目标图像区域内的像素的灰度平均值μ_O(N‑1)，此次搜索过程称之为第一次迭代过程；步骤六，令小于等于μ_O(N‑1)的灰度值的像素点的个数P(i)的值为零；步骤七，进行第二次迭代，并且第二次迭代过程的阈值初始值为：$T\left(N\right)=\frac{1}{2}[{\mu }_O(N-1)+255]---\left(4\right),$将式(4)计算出的阈值T(N)代入步骤三至步骤五的迭代算法中，直至符合结束搜索的条件；当搜索结束时，第二次迭代过程经历的循环迭代次数设为M，M为＞0的整数，此时的阈值为T(N+M‑1)，目标的灰度平均值为μ_O(N+M‑1)；步骤八，引入权重系数a，a∈(0，1)，按式(5)对阈值T(N+M‑1)进行修正，最终得到分割阈值T′：T′＝a·T(N+M‑1)+(1‑a)·μ_O(N+M‑1)  (5)；步骤九，将激光视觉图像中灰度等级≤T′的像素点的灰度值设置为0或255，即为背景图像；而激光视觉图像中灰度等级＞T′的像素点的灰度值设置为255或0，即为目标图像。