2013年--图像处理外文翻译--最大类间方差算法的图像分割综述（译文）

《2013年--图像处理外文翻译--最大类间方差算法的图像分割综述（译文）》由会员分享，可在线阅读，更多相关《2013年--图像处理外文翻译--最大类间方差算法的图像分割综述（译文）（5页珍藏版）》请在毕设资料网上搜索。

1、2Miss Hetal J. Vala, Prof. Astha Baxi Department of Computer Engineering Parul Institute of Engineering & Technology, Waghodia, Gujarat (India).International Journal of Advanced Research in Computer Engineering & Technology (IJARCET) Volume 2, Issue 2, February 2013 中文 2517 字 ,1460 单词， 8000 英文字符 出处：

2、 Vala H J, Baxi A. A review on Otsu image segmentation algorithmJ. International Journal of Advanced Research in Computer Engineering & Technology (IJARCET), 2013, 2(2): pp: 387-389. 最大类间方差算法的图像分割综述 2 HJ Vala, A Baxi 摘要 图像分割是数字图像 处理的基本方法。在所有的分割方法中，最大类间方差法由于它的简单性使它成为最成功图像阈值计算方法之一 。最大类间方差法 是自动阈值选择区域分割

3、的基础 方法。本文研究了各种最大类间方差 算法 。 关键词 ：图像处理，最大类间方差算法，分割，阈值 1 引言 图像分割在图像分析中是最基础并且是最困难的一部分。图像分割是图像处理中的一个重要组成部分。在计算机视觉中，图像分割是将图像 分割 成有意义的区域或目标的一个过程。 图像分割 有许多应用，如 肿瘤或其他疾病 定位，测量组织体积，计算机指导 手术，治疗计划，解剖结构的研究，卫星图像 定位和指 纹识别 等等 。 图像 的分 割 细分 成其组成区域或对象。图像分割方法 被归类于 两个属性 不 连续性 和 相似性 1。 基 于这一特性的图像分割归类为 基于 边缘的分割和基于区域的分割。 这种

4、基于像素不连续性 的分割 方法 称为 边界或边缘技术。 基于边缘的分割方法尝试通过检测边缘，或有快速过渡不同区域之间的像素 在强度和被提取和链接 形成封闭的对象边界 来 解决图像分割 。 其结果是一个二进制图象。基于 该 理论有两个主要的基于边缘的分割方法，灰 度直方图的和 梯度的方法 2。 根据一组预定义的搜索标准 分割图像到类似于区域 。基于区域划分成像素连接类似区域。每 一个区域中的象素的是具有相同的 一些特征或计算性能，如颜色，强度和 /或纹理。 这就有不同类型的区域像是阈值 分割 ，区域增长 区域划分和合并。 阈值是在图像分割应用中的一个重要技术。阈值的基本思想在灰度分布的基础上，选

5、择一个最佳灰度阈值把感兴趣的目标从图片的背景中分离出来。虽然人类可以轻松从复杂的背景和图像 中区分它们，然而对图像阈值是一个艰巨的任务 将它们分开 。图像的灰度直方图通常被视为图像阈值算法开发的有效 工具。 创建二进制图像阈值分割 ， 如果像素低于 某个阈值的所有像素 为 零 ，高于某个阈值 所有的像素 为一 。如果 g(x,y)是 f(x,y)在全局阈值 T 的一个阈值版本，它可以被定义为 1, g(x, y) = 1 if f(x, y) T = 0 otherwise 阈值化操作被定义为： T = M x, y, p(x, y), f (x, y) 在该式中， T 代表的阈值 ;函数 f

6、（ x， y）是点（ x， y）的 灰度值 ， p（ x， y）表示该点的一些局部属性 ，如集中在点（ x， y） 邻域的平均灰度值 。 基于此，有两种阈值分割方法。 1）全局阈 值： 当 T仅依赖于函数 f（ x， y）（换言之，仅依赖于灰度级值 ） 以 及T 的计数值仅涉及像素 的 性质 ，这种阈值处理技术被称为全局阈值。 2）局部阈值： 如果阈值 T 取决于 f（ x， y）和 P（ X， Y），这称为局部阈值分割。该方法将原始图像分割成若干子区域，并对每个子区合理选择不同的阈值 3。 最大类间方差 法是全局阈值法 ，它只依赖于图像的灰度值 。 最大类间方差 法是由学者 Otsu 于 1979 年 提出。 最大类间方差 法是全局阈值选择方法， 正式 因为 它的 简单和有效的 性才得以 广泛应用。 最大类间方差 法在运行前需要计算灰度直方图。然而，由于在一 维，只考虑灰度级的信息，它不给更好的分割的结果。因此，对于该二维的最大类间方差算法，提出了工作在 每个像素的两个灰度级的阈 值，以及在邻域内的空间相关信息。