直方图
直方图
-
定义：直方图是基于灰阶的像素分布函数，它的横轴
表示灰阶，而纵轴
表示当前灰度值的像素数量。如下图所示：
-
特点： 压缩至直方图的图像，其所有像素都会被丢弃
-
应用：
- 直方图能够对帮助我们对衣服图像建立数字化参数
-
确定最优二值化阈值，如下图所示·，灰度直方图的两个峰值之间的最低值表示图像二值化的最佳分界点（如图像前景和背景的分割）。
图像二值化
-
定义：图像二值化是一种基于阈值，简单，高效且非上下文的图像分割技术。
-
二值化的方式可以分为固定二值化或者自适应二值化。
-
图像的二值化的阈值会通过图像的灰度直方图分析得到，不同的图像特征会在灰度直方图中产生不同的特征，通常，灰度直方图的峰值对应着将会重叠的两个特征。
-
固定阈值或者全局阈值表示阈值在整个图像中保持恒定，如果以
表示图像中阈值，则固定阈值的数学表达式如下所示，固定阈值又可以分为正向阈值与反向阈值：
-
也可以指定两个阈值定义阈值强度的变化
图像二值化的常用算法
-
Isodata 算法
算法实现的过程如下所示：
(1) 选定一个初始化阈值,通常是阈值的平均强度；
(2) 使用初始化阈值和
;
(3) 计算与
;
(4) 计算新的阈值;
(5) 重复(2)-(4),直到;
-
OTSU 算法
OTSU算法引进了评价函数（区域之间某种程度的分离）的概念，阈值的求解即是选择两个峰值之间的最低点。OTSU算法实现之前，首先定义了如下的统计量：-
频率（Frequency）：
,其中概率
,
表示图像中第
个灰度出现的数量，而
表示所有像素的数量。
-
平均值：
-
总体方差：
-
则每个类别的平均值相对于所有像素的总体强度平均值的变化：
将代入上式。可得：
利用标准化公式有：,通过以上方式，可以得到一系列
,选择
的最大值所对应的阈值，即为最优阈值。
- 熵方法（Entroy Method）
熵是信息内容的量度，阈值将整个图像信息分为两类，它们相关的熵是：
,
选择的最大值对应的阈值作为最优阈值。
以上两种方法对细胞和胸部的分割效果如下图所示：
直方图峰值个数的不同，不同分割算法的效果也不尽相同
对细胞的分割
网友评论