全局阙值分割中的直方图算法和熵算法
前言:
阙值分割处理主要是根据灰度值信息提取前景,所以对前景物体与背景物体对比度较大的图像可以得到理想的分割效果,对于对比度较弱的图像,可以先提高图像的对比度,再进行阙值分割。
一、全局阙值分割
全局阙值分割是为所有的像素都设置同一个灰度值,大于或等于threshold的像素设为黑色或白色,相应地,小于threshold的像素设为白色或黑色。
在OpenCV3.2版本,重写了阙值函数threshold(),包含在"imgproc.hpp"头文件中,
double threshold( InputArray src, OutputArray dst,double thresh, double maxval, int type );enum ThresholdTypes {THRESH_BINARY = 0, THRESH_BINARY_INV = 1, THRESH_TRUNC = 2, THRESH_TOZERO = 3, THRESH_TOZERO_INV = 4, THRESH_MASK = 7,THRESH_OTSU = 8, THRESH_TRIANGLE = 16
};
解释一下最后一个type,如果type为THRESH_BINARY,阙值分割规则为,当灰度大于阙值时,返回maxval,否则返回0;如果type为THRESH_BINARY_INV,则与前者规则相反。而如果type为THRESH_OTSU和THRESH_TRIANGLE,那么输入的图像矩阵只支持uchar类型,且thresh参数也作为输出参数,因为Ostu和TRIANGLE算法会自动计算thresh。
二、直方图技术进行阙值分割
当一幅图像有一个与背景呈现明显对比的物体的图像会具有包含双峰的直方图,而直方图技术则是根据这一“双峰”特点计算的。首先要找到这两个峰值,然后取两个峰值之间的波谷对应的灰度值,这个灰度值就是阙值,我们采用如下的算法来寻找直方图中的波谷。
假设输入图像为I,高位H,宽为W,代表其对应的灰度直方图,代表灰度值等于k的像素点个数,其中,
第一步:找到灰度直方图的第一个峰值,并找到其对应的灰度值也就是该峰值对应的位置,显然,第一个峰值就是灰度直方图的最大值,它对应的灰度值使用firstPeak表示。
第二步:找到灰度直方图的第二个峰值,并找到其对应的灰度值。注意:第二峰值不一定是直方图的第二大值,因为我们需要的峰值是希望在一定邻域内是最大值,如果第二大值和第一大值出现的很近,那么这种情况下第二大值就很明显不是一个峰值。我么使用如下公式计算最大峰值,,其中,这个公式不仅考虑到了灰度值的大小,还将灰度值的位置与第一个峰值位置的距离作为参数。
第三步:找到了两个峰值后,就可以在两个峰值之间找到波谷灰度值,即该区域内灰度图的最小值的位置,然后设置为阙值进行阙值分割。其中,上面提到的阙值分割类型中的THRESH_TRIANGLE就和直方图技术类似。
实现代码:
//直方图技术自动计算全局阙值
int threshTwoPeaks(const Mat & image, Mat & threshImageOut) {Mat histogram = calcGrayHist(image);//计算第一个峰值位置Point firstPeakLoc;minMaxLoc(histogram,NULL,NULL,NULL,&firstPeakLoc);int firstPeak = firstPeakLoc.x;//计算第二个峰值位置Mat measureDist = Mat::zeros(Size(256,1),CV_32FC1);for (int k = 0; k < 256; k++) {int hist_k = histogram.at<int>(0,k);measureDist.at<float>(0, k) = pow((firstPeak - k), 2)*hist_k;}Point secondPeakLoc;minMaxLoc(measureDist,NULL,NULL,NULL,&secondPeakLoc);int secondPeak = secondPeakLoc.x;//得到波谷位置Point threshLoc;int thresh = 0;if (firstPeak < secondPeak) {minMaxLoc(histogram.colRange(firstPeak,secondPeak),NULL,NULL,&threshLoc);thresh = firstPeak + threshLoc.x+1;}else {minMaxLoc(histogram.colRange(secondPeak, firstPeak), NULL, NULL, &threshLoc);thresh = secondPeak + threshLoc.x + 1;}//根据波谷值进行阙值分割threshold(image,threshImageOut,thresh,255,THRESH_BINARY);return thresh;
}
注意:直方图技术只对灰度直方图有两个明显波峰的图像有较好的分割效果。
三、熵算法
信息熵(entropy)的概念来自信息论,假设信源信号u有n种取值,记为,每一种信号出现的概率记为,那么该信号的信号熵记为:,如果把图像看作是一个信源,假设输入图像为I,代表归一化的图像灰度直方图,那么对于8位图,就可以将其看为256个灰度符号,每一个符号出现的概率为,
使用熵计算阙值的步骤如下:
第一步:计算归一化的灰度直方图I的累加概率直方图,又称零阶累积矩,记为
所以,首先要获取灰度直方图,然后将其归一化得到normHist。
第二步:计算各个灰度级的熵,记为,计算完之后将其存入一个1行256列的矩阵中
第三步:计算使最大的t的值,即为阙值,其中
代码实现时,要特别注意在第二步和第三步的公式中,log函数要判断参数是否为0,进行相除操作时需要判断被除数是否为0,否则会出现异常。
//熵算法计算全局阙值
int threshByEntroy(const Mat & image, Mat & threshImageOut) {//获取灰度直方图Mat histogram = calcGrayHist(image);//归一化灰度直方图Mat normHist;histogram.convertTo(normHist,CV_32FC1,1.0/(image.rows*image.cols),0.0);//第一步,计算零阶累积矩阵Mat cumuHist=Mat::zeros(Size(256,1),CV_32FC1);for (int i = 0; i < 256; i++) {if (i == 0)cumuHist.at<float>(0, i) = normHist.at<float>(0, 0);elsecumuHist.at<float>(0, i) = cumuHist.at<float>(0,i-1)+normHist.at<float>(0,i);}//第二步,计算各个灰度级的熵Mat entroyHist = Mat::zeros(Size(256, 1), CV_32FC1);for (int i = 0; i < 256; i++) {float normHist_i=normHist.at<int>(0, i);if (i == 0) {if (normHist_i == 0)entroyHist.at<float>(0, i) = 0;elseentroyHist.at<float>(0, i) = -normHist_i*log10(normHist_i);}else {if (normHist_i == 0)entroyHist.at<float>(0, i) = entroyHist.at<float>(0, i - 1);elseentroyHist.at<float>(0, i) = entroyHist.at<float>(0, i - 1) - normHist_i*log10(normHist_i);}}printMat(entroyHist);//计算最大的f(t),得到阙值Mat FHist = Mat::zeros(Size(256,1),CV_32FC1);float totalEntroy = entroyHist.at<float>(0, 255);for (int i = 0; i < 256; i++) {float cumuHist_i = cumuHist.at<float>(0, i);double maxVal1;minMaxLoc(normHist(Rect(0,0,i+1,1)),NULL,&maxVal1);float f1 = 0;if (cumuHist_i == 0 || cumuHist_i == 1 || maxVal1 == 0 || maxVal1 == 1 || totalEntroy == 0) {f1 = 0;}else {f1 = (entroyHist.at<float>(0, i) / totalEntroy)*(log10f(cumuHist_i) / log10f(maxVal1));}double maxVal2;minMaxLoc(normHist(Rect(i+1,0,255-i,1)),NULL,&maxVal2);float f2 = 0;if (cumuHist_i == 0 || cumuHist_i == 1 || maxVal2 == 0 || maxVal2 == 1) {f2 = 0;}else {if (totalEntroy == 0) {f2= log10f(1 - cumuHist_i) / log10f(maxVal2);}elsef2 = (1 - entroyHist.at<float>(0, i) / totalEntroy)*(log10f(1 - cumuHist_i) / log10f(maxVal2));}FHist.at<float>(0, i) = f1 + f2;}Point threshLoc;minMaxLoc(FHist,NULL,NULL,NULL,&threshLoc);//阙值分割操作threshold(image,threshImageOut,threshLoc.x,255,THRESH_BINARY);return threshLoc.x;
}
全局阙值分割中的直方图算法和熵算法相关推荐
- OpenCV局部阙值分割的自适应阙值算法
前言: 当图片中的照明出现不均匀的情况时,图像的灰度值就会出现灰度值不均匀,如果我们采用全局阙值分割,对所有像素值共用同一个阙值,往往无法得到理想的分割.而局部阙值分割则可以解决这个问题,它所提供的思 ...
- 【图像去噪】基于matlab小波滤波(硬阙值+软阙值)+中值滤波图像去噪【含Matlab源码 462期】
一.获取代码方式 获取代码方式1: 完整代码已上传我的资源:[图像去噪]基于matlab小波滤波(硬阙值+软阙值)+中值滤波图像去噪[含Matlab源码 462期] 获取代码方式2: 通过订阅紫极神光 ...
- 【Matlab图像去噪】小波滤波(硬阙值+软阙值)+中值滤波图像去噪【含源码 462期】
一.代码运行视频(哔哩哔哩) [Matlab图像去噪]小波滤波(硬阙值+软阙值)+中值滤波图像去噪[含源码 462期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 ...
- matlab图片固定阙值分割
文章目录 处理图片: 代码: close all; clc; clear;% 1.计算均值.方差 Thre=128; %手动设置阈值 I=imread('填充后平滑处理.bmp'); %载入真彩色图像 ...
- OpenCV —— 阈值分割(直方图技术法,熵算法,Otsu,自适应阈值算法)
阈值分割 1. 全局阈值分割 直方图技术法 熵算法 Otsu算法 2. 局部阈值分割 自适应阈值 阈值的分割的核心就是如何选取阈值,选取正确的阈值时分割成功的关键.可以使用手动设置阈值,也可以采用直方 ...
- 十三种基于直方图的图像全局二值化算法原理、实现、代码及效果。
图像二值化的目的是最大限度的将图象中感兴趣的部分保留下来,在很多情况下,也是进行图像分析.特征提取与模式识别之前的必要的图像预处理过程.这个看似简单的问题,在过去的四十年里受到国内外学者的广泛关注,产 ...
- 十三种基于直方图的图像全局二值化算法原理、实现、代码及效果
十三种基于直方图的图像全局二值化算法实现 1. 什么是基于直方图的图像全局二值化算法 2. 灰度平均值 3. 百分比阈值(P-Tile法) 3. 基于双峰的阈值 3.1 基于平均值的阈值 3.2 基于 ...
- 十三种基于直方图的图像全局二值化算法原理、实现、代码及效果(转)
源:十三种基于直方图的图像全局二值化算法原理.实现.代码及效果.
- 基于vc的数字图像分割——基于阙值的分割方法
图像分割的依据是认为图像中各区域具有不同的特性(比如,灰度,颜色,纹理).图像分割的目的是将图像划分成若干个具有相近或相同特性的子区域,以便继续在分割成的相关区域中提取目标,并进而根据目标的特征或结构 ...
最新文章
- git 对之前的commit 进行重新签名 Resign
- 一通骚操作,我把SQL执行效率提高了10000000倍!
- JS刷新父窗口的几种方式
- java collections_扫盲java.util.Collections工具包,学习排序、二分、洗牌、旋转算法
- Magento: 设置产品列表默认排序方式 How to sort Magento products by date added as default
- 修复 github 项目的语言属性
- 兼容IE和FF的js脚本做法
- 自媒体文章采集工具,采集多个平台的文章
- smartsvn 忽略文件夹_Smart SVN-使用Smart SVN 管理项目代码文件(在windows上)
- mac虚拟机服务器设置u盘启动不了怎么办,苹果MacBook Air u盘启动不了怎么办?
- AMS中控推送系统安装使用说明
- DIV布局末大作业:美食网站设计——餐饮美食-咖啡(5页) HTML5网页设计成品_学生DW静态食品网页设计_web课程设计网页制作
- 用GZIPOutputStream流压缩出现H4sIAAAAAAAAAA==
- 自建企业邮箱如何选择服务器
- Kylin RT OLAP reassign流程即重新分配replica_set 流程
- 美国VPS服务器选择贴士
- 局域网中别人不能访问我的电脑
- access查找出生日期年份_access中时间日期查询的一些总结
- PB 打印机打印横纵向设置
- SQL基础系列(四)——多表查询