法律状态公告日
法律状态信息
法律状态
2020-03-24
授权
授权
2018-07-31
实质审查的生效 IPC(主分类):G06T7/136 申请日:20180129
实质审查的生效
2018-07-06
公开
公开
技术领域
本发明一种双最佳Otsu阈值最简图像构造方法属于图像处理技术领域。
背景技术
Otsu算法是一种确定图像二值化分割阈值的算法,按照Otsu算法求得的阈值进行图像二值化分割后,背景图像与目标图像的类间方差最大,因此又称作最大类间方差法。
如果能够存在一种图像,按照Otsu算法得到两个甚至更多解,这样的图像就不适用于 Otsu算法进行阈值分割。然而,是否存在这样的图像,还没有发现有学者对此问题进行过讨论。
发明内容
为了探索是否存在一种按照Otsu算法得到两个解的图像,本发明公开了一种双最佳Otsu 阈值最简图像构造方法,按照该方法得到的图像,不仅画面简单,而且能够明确不适用于Otsu 算法进行阈值分割,有利于对Otsu算法进行测试,挖掘Otsu算法的适用条件,完善Otsu算法的应用范围。
本发明的目的是这样实现的:
一种双最佳Otsu阈值最简图像构造方法,包括以下步骤:
步骤a、构建一幅只有三个灰度级的图像,所述三个灰度级分别为L1、L2和L3,灰度级为L1的像素数量为n1,灰度级为L2的像素数量为n2,灰度级为L3的像素数量为n3;
步骤b、按照N=n1+n2+n3计算图像总的像素数量N;
步骤c、计算每个灰度级出现的概率:
灰度级为L1的像素出现的概率P1为:
灰度级为L2的像素出现的概率P2为:
灰度级为L3的像素出现的概率P3为:
步骤d、将灰度级为L1的像素作为背景,灰度级为L2和L3的像素作为目标;计算背景部分出现的概率ωb1:
ωb1=P1
计算背景部分的灰度级均值μb1:
μb1=L1
计算目标部分出现的概率ωo1:
ωo1=P2+P3
计算目标部分的灰度级均值μo1:
计算背景部分和目标部分的类间方差:
步骤e、将灰度级为L1和L2的像素作为背景,灰度级为L3的像素作为目标;计算背景部分出现的概率ωb2:
ωb2=P1+P2
计算背景部分的灰度级均值μb2:
计算目标部分出现的概率ωo2:
ωo2=P3
计算目标部分的灰度级均值μo2:
μo2=L3
计算背景部分和目标部分的类间方差:
步骤d和步骤e的顺序能够交换或同步进行;
步骤f、按照
步骤g、构建满足步骤f中关系的图像。
上述双最佳Otsu阈值最简图像构造方法,包括以下步骤:
步骤a、构建一幅只有三个灰度级的图像,所述三个灰度级分别为L1、L2和L3,灰度级为L1的像素数量为n,灰度级为L2的像素数量为n,灰度级为L3的像素数量为n;
步骤b、按照N=3n计算图像总的像素数量N;
步骤c、计算每个灰度级出现的概率:
灰度级为L1的像素出现的概率P1为:
灰度级为L2的像素出现的概率P2为:
灰度级为L3的像素出现的概率P3为:
步骤d、将灰度级为L1的像素作为背景,灰度级为L2和L3的像素作为目标;
计算背景部分出现的概率ωb1:
计算背景部分的灰度级均值μb1:
μb1=L1
计算目标部分出现的概率ωo1:
计算目标部分的灰度级均值μo1:
计算背景部分和目标部分的类间方差:
步骤e、将灰度级为L1和L2的像素作为背景,灰度级为L3的像素作为目标;计算背景部分出现的概率ωb2:
计算背景部分的灰度级均值μb2:
计算目标部分出现的概率ωo2:
计算目标部分的灰度级均值μo2:
μo2=L3
计算背景部分和目标部分的类间方差:
步骤d和步骤e的顺序能够交换或同步进行;
步骤f、按照
步骤g、构建灰度级为L1、灰度级为L2和灰度级为L3的像素数量均为n且满足步骤f中关系的图像。
上述双最佳Otsu阈值最简图像构造方法,包括以下步骤:
步骤a、构建一幅只有三个灰度级的图像,所述三个灰度级分别为L1=0、L2和L3,灰度级为L1的像素数量为n,灰度级为L2的像素数量为n,灰度级为L3的像素数量为n;
步骤b、按照N=3n计算图像总的像素数量N;
步骤c、计算每个灰度级出现的概率:
灰度级为L1=0的像素出现的概率P1为:
灰度级为L2的像素出现的概率P2为:
灰度级为L3的像素出现的概率P3为:
步骤d、将灰度级为L1=0的像素作为背景,灰度级为L2和L3的像素作为目标;
计算背景部分出现的概率ωb1:
计算背景部分的灰度级均值μb1:
μb1=L1=0
计算目标部分出现的概率ωo1:
计算目标部分的灰度级均值μo1:
计算背景部分和目标部分的类间方差:
步骤e、将灰度级为L1=0和L2的像素作为背景,灰度级为L3的像素作为目标;计算背景部分出现的概率ωb2:
计算背景部分的灰度级均值μb2:
计算目标部分出现的概率ωo2:
计算目标部分的灰度级均值μo2:
μo2=L3
计算背景部分和目标部分的类间方差:
步骤d和步骤e的顺序能够交换或同步进行;
步骤f、按照
进一步化简,有:
L3=2L2
步骤g、构建灰度级为L1、灰度级为L2和灰度级为L3的像素数量均为n,灰度级L1=0且满足步骤f中关系的图像。
有益效果:
本发明双最佳Otsu阈值最简图像构造方法,只要按照三个灰度级L1、L2和L3,三个像素数量n1、n2和n3之间特定关系,就能够构建出一幅按照Otsu算法得到两个解的图像,该图像不仅构建容易,画面简单,而且能够明确不适用于Otsu算法进行阈值分割,有利于对Otsu>
具体实施方式
下面对本发明具体实施例作进一步详细描述。
具体实施例一
本实施例为本发明双最佳Otsu阈值最简图像构造方法实施例。
本实施例的双最佳Otsu阈值最简图像构造方法,包括以下步骤:
步骤a、构建一幅只有三个灰度级的图像,所述三个灰度级分别为L1、L2和L3,灰度级为L1的像素数量为n1,灰度级为L2的像素数量为n2,灰度级为L3的像素数量为n3;
步骤b、按照N=n1+n2+n3计算图像总的像素数量N;
步骤c、计算每个灰度级出现的概率:
灰度级为L1的像素出现的概率P1为:
灰度级为L2的像素出现的概率P2为:
灰度级为L3的像素出现的概率P3为:
步骤d、将灰度级为L1的像素作为背景,灰度级为L2和L3的像素作为目标;
计算背景部分出现的概率ωb1:
ωb1=P1
计算背景部分的灰度级均值μb1:
μb1=L1
计算目标部分出现的概率ωo1:
ωo1=P2+P3
计算目标部分的灰度级均值μo1:
计算背景部分和目标部分的类间方差:
步骤e、将灰度级为L1和L2的像素作为背景,灰度级为L3的像素作为目标;计算背景部分出现的概率ωb2:
ωb2=P1+P2
计算背景部分的灰度级均值μb2:
计算目标部分出现的概率ωo2:
ωo2=P3
计算目标部分的灰度级均值μo2:
μo2=L3
计算背景部分和目标部分的类间方差:
步骤d和步骤e的顺序能够交换或同步进行;
步骤f、按照
步骤g、构建满足步骤f中关系的图像。
具体实施例二
本实施例为本发明双最佳Otsu阈值最简图像构造方法实施例。
本实施例的双最佳Otsu阈值最简图像构造方法,包括以下步骤:
步骤a、构建一幅只有三个灰度级的图像,所述三个灰度级分别为L1、L2和L3,灰度级为L1的像素数量为n,灰度级为L2的像素数量为n,灰度级为L3的像素数量为n;
步骤b、按照N=3n计算图像总的像素数量N;
步骤c、计算每个灰度级出现的概率:
灰度级为L1的像素出现的概率P1为:
灰度级为L2的像素出现的概率P2为:
灰度级为L3的像素出现的概率P3为:
步骤d、将灰度级为L1的像素作为背景,灰度级为L2和L3的像素作为目标;
计算背景部分出现的概率ωb1:
计算背景部分的灰度级均值μb1:
μb1=L1
计算目标部分出现的概率ωo1:
计算目标部分的灰度级均值μo1:
计算背景部分和目标部分的类间方差:
步骤e、将灰度级为L1和L2的像素作为背景,灰度级为L3的像素作为目标;计算背景部分出现的概率ωb2:
计算背景部分的灰度级均值μb2:
计算目标部分出现的概率ωo2:
计算目标部分的灰度级均值μo2:
μo2=L3
计算背景部分和目标部分的类间方差:
步骤d和步骤e的顺序能够交换或同步进行;
步骤f、按照
步骤g、构建灰度级为L1、灰度级为L2和灰度级为L3的像素数量均为n且满足步骤f中关系的图像。
本实施例的双最佳Otsu阈值最简图像构造方法,由于限定了构建灰度级为L1、灰度级为>2和灰度级为L3的像素数量均为n,因此简化了构建双最佳Otsu阈值最简图像的条件。
具体实施例三
本实施例为本发明双最佳Otsu阈值最简图像构造方法实施例。
本实施例的双最佳Otsu阈值最简图像构造方法,包括以下步骤:
步骤a、构建一幅只有三个灰度级的图像,所述三个灰度级分别为L1=0、L2和L3,灰度级为L1的像素数量为n,灰度级为L2的像素数量为n,灰度级为L3的像素数量为n;
步骤b、按照N=3n计算图像总的像素数量N;
步骤c、计算每个灰度级出现的概率:
灰度级为L1=0的像素出现的概率P1为:
灰度级为L2的像素出现的概率P2为:
灰度级为L3的像素出现的概率P3为:
步骤d、将灰度级为L1=0的像素作为背景,灰度级为L2和L3的像素作为目标;
计算背景部分出现的概率ωb1:
计算背景部分的灰度级均值μb1:
μb1=L1=0
计算目标部分出现的概率ωo1:
计算目标部分的灰度级均值μo1:
计算背景部分和目标部分的类间方差:
步骤e、将灰度级为L1=0和L2的像素作为背景,灰度级为L3的像素作为目标;计算背景部分出现的概率ωb2:
计算背景部分的灰度级均值μb2:
计算目标部分出现的概率ωo2:
计算目标部分的灰度级均值μo2:
μo2=L3
计算背景部分和目标部分的类间方差:
步骤d和步骤e的顺序能够交换或同步进行;
步骤f、按照
进一步化简,有:
L3=2L2
步骤g、构建灰度级为L1、灰度级为L2和灰度级为L3的像素数量均为n,灰度级L1=0且满足步骤f中关系的图像。
本实施例的双最佳Otsu阈值最简图像构造方法,由于限定了构建灰度级为L1、灰度级为>2和灰度级为L3的像素数量均为n,灰度级L1=0,因此极大简化了构建双最佳Otsu阈值最简图像的条件。
在本实施例中,只要构建一幅图像,该图像有三个像素,一个灰度级为0,一个为L2,一个为2L2即可实现构建双最佳Otsu阈值最简图像。
具体实施例四
本实施例为本发明单最佳Otsu阈值最简图像构造方法实施例。
本实施例的单最佳Otsu阈值最简图像构造方法,在具体实施例一的基础上,还包括:
步骤g、按照
调整方式是在满足步骤f的基础上,调整三个灰度级L1、L2和L3,三个像素数量n1、n2和n3中的任意参数即可;
按照步骤g得到的图像,不仅画面简单,而且能够明确适用于Otsu算法进行阈值分割,有利于对Otsu算法进行测试,挖掘Otsu算法的适用条件,完善Otsu算法的应用范围。
具体实施例五
本实施例为本发明单最佳Otsu阈值最简图像构造方法实施例。
本实施例的单最佳Otsu阈值最简图像构造方法,在具体实施例二的基础上,还包括:
步骤g、按照
调整方式是在满足步骤f的基础上,调整三个灰度级L1、L2和L3中的任意参数即可;
按照步骤g得到的图像,不仅画面简单,而且能够明确适用于Otsu算法进行阈值分割,有利于对Otsu算法进行测试,挖掘Otsu算法的适用条件,完善Otsu算法的应用范围。
具体实施例五
本实施例为本发明单最佳Otsu阈值最简图像构造方法实施例。
本实施例的单最佳Otsu阈值最简图像构造方法,在具体实施例二的基础上,还包括:
步骤g、按照得到两个灰度级L2和L3之间的关系:
L3≠2L2
调整方式是在满足步骤f的基础上,调整两个灰度级L2和L3中的任意参数即可;
按照步骤g得到的图像,不仅画面简单,而且能够明确适用于Otsu算法进行阈值分割,有利于对Otsu算法进行测试,挖掘Otsu算法的适用条件,完善Otsu算法的应用范围。
机译: 一种用于确定最佳阈值的方法,以便提供用于模式识别系统的二进制图像信号以获得
机译: 一种用于从双分辨率光电传感器确定最佳图像的设备
机译: 一种用于从双分辨率光电传感器确定最佳图像的设备