[發(fā)明專利]一種基于大津法與K均值法的自適應(yīng)圖像分割方法

有效

• 申請?zhí)枺?/td>: 202010156443.5
• 申請日: 2020-03-09
• 公開（公告）號: CN111340815B
• 公開（公告）日: 2023-01-24
• 發(fā)明（設(shè)計）人: 李波;李俊廷;劉民岷
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/136;G06V10/762
• 代理公司: 電子科技大學(xué)專利中心 51203
• 代理人: 閆樹平

1.一種基于大津法與K均值法的自適應(yīng)圖像分割方法，包括以下步驟：

步驟1、目標(biāo)圖像去噪與灰度化；

步驟2、計算步驟1灰度化后圖像的平均值avg；

步驟3、以步驟2所求平均值為搜索中心，引入松弛變量δ，在[avg-δ,avg+δ]區(qū)間內(nèi)利用大津法搜索局部閾值T；

松弛變量δ初始值為5，使用大津法在[avg-δ,avg+δ]區(qū)間內(nèi)遍歷灰度級，得到局部閾值T：

當(dāng)T＝avg-δ時，更新搜索中心值avg＝avg-2*δ，或者，當(dāng)T＝avg+δ時，更新搜索中心值avg＝avg+2*δ，并繼續(xù)在[avg-δ,avg+δ]區(qū)間內(nèi)按照上述判定條件搜索閾值；否則返回所得局部閾值T作為當(dāng)前圖像分割閾值；

步驟4、判斷步驟3所得閾值T與圖像分割點的大小關(guān)系：若大于等于分割點，則保留閾值T，并將當(dāng)前圖像分割為前景和背景；否則舍棄T；

設(shè)置變量Num作為圖像分割數(shù)目，初始為1；設(shè)置常量C作為圖像分割點，初始為1500；當(dāng)T≥C時，表示當(dāng)前圖像達到分割要求，遍歷當(dāng)前灰度圖像，將小于T的像素劃分為背景，將大于等于T的像素劃分為前景，并且Num＝Num+1；當(dāng)TC時，則舍棄閾值T，表示不對當(dāng)前圖像進行分割；

步驟5、創(chuàng)建隊列，將步驟4所得前景圖像和背景圖像加入隊列，對隊列中的圖像使用步驟2-步驟4所述方法，最終得到Num-1個閾值；

5.1)創(chuàng)建空隊列Q；

5.2)求解Num-1個分割閾值：

將步驟4分割后的前景、背景圖像加入隊列，判斷Q是否為空：若Q為空，則返回對應(yīng)的Num-1個閾值，結(jié)束多閾值分割；若Q不為空，則取出隊首元素，按照步驟2-步驟4所述方法搜索局部閾值；循環(huán)執(zhí)行步驟5.2，最終得到Num-1個閾值；

遞歸公式如下：

其中：F函數(shù)為大津法在[avg-δ,avg+δ]區(qū)間內(nèi)查找局部閾值的方法，a為當(dāng)前圖像區(qū)域，C為圖像分割點，Num為圖像分割數(shù)目，f為前景區(qū)域，b為背景區(qū)域；

步驟6、將步驟5求得的Num-1個閾值作為K-means法的初始聚類中心實現(xiàn)圖像分割。

2.如權(quán)利要求1所述基于大津法與K均值法的自適應(yīng)圖像分割方法，其特征在于：所述的步驟1具體為：

1.1)圖像去噪：

使用中值濾波對采集的圖像去噪，對原圖像滑動窗口內(nèi)的像素排序，取中間像素替代原圖像像素；

g(x,y)＝median{f(m,n),(m,n)∈S}

其中m、n為滑動窗口內(nèi)像素的坐標(biāo)，S為滑動窗口內(nèi)的所有像素點集合；

1.2)圖像灰度化：對RGB圖像每個通道像素進行線性加權(quán)計算，獲得灰度圖；

Gray＝R*0.299+G*0.587+B*0.114

其中R、G、B分別為目標(biāo)圖像的三個通道，Gray為目標(biāo)圖像對應(yīng)的灰度圖。

3.如權(quán)利要求1所述基于大津法與K均值法的自適應(yīng)圖像分割方法，其特征在于：所述的步驟6具體為：

6.1)K-means法計算步驟：

6.1.1.將步驟5所求的Num-1個閾值作為K-means法的初始聚類中心；

6.1.2.分別計算每個像素點x_i到各個聚類中心m_k的歐氏距離大小，i＝1,2,…,M*N，k＝1,2,…,Num，M、N分別為目標(biāo)灰度圖的長、寬，Num為圖像分割數(shù)目；若點x_i到聚類中心m_k的距離小于到其余聚類中心的距離，則將x_i歸類到相應(yīng)聚類中心所在類別；

6.1.3.重新計算各個聚類的中心位置，N_k為當(dāng)前第k類的樣本數(shù)目，k＝1,2,…,Num；

6.1.4.通過步驟6.1.2和6.1.3的循環(huán)計算，直到聚類中心m_k不再發(fā)生變化；

6.2)K-means法性能評價指標(biāo)函數(shù)：

其中E是樣本數(shù)據(jù)集中所有數(shù)據(jù)的誤差平方和，x是樣本集中某個數(shù)據(jù)，S_i代表歸屬i類的樣本數(shù)據(jù)集合，m_i代表S_i的均值；

6.3)當(dāng)E不變時，結(jié)束聚類劃分，輸出分割后的圖像。