基于Masi熵测度的灰度图像阈值分割方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106228555A(43)申请公布日2016.12.14(21)申请号201610581127.6(22)申请日2016.07.22(71)申请人湖南文理学院地址415000湖南省常德市洞庭大道3150号(72)发明人聂方彦张平凤李建奇罗佑新潘梅森(74)专利代理机构常德市源友专利代理事务所43208代理人江妹(51)Int.Cl.G06T7/00(2006.01)权利要求书1页说明书5页附图3页(54)发明名称基于Masi熵测度的灰度图像阈值分割方法(57)摘要本发明公开了一种基于Masi熵测度的灰度图像阈值分割方法，该方法针对传统阈值化技术面对种类繁多的复杂图像实施分割时准确性和普适性不高的问题，提出基于信息论中Masi原理的阈值化方法，该方法普适性较强、分割精确、计算耗时少；利用本发明对图像进行处理后，得到的分割图像区域内部均匀，轮廓边界准确；通过调整熵指数使本发明具有更好的普适性，同时本发明的计算效率也很高，适用于实时性要求高的图像处理任务。CN106228555ACN106228555A权利要求书1/1页1.基于Masi熵测度的灰度图像阈值分割方法，其特征在于，包括如下操作步骤：（1）设置Masi熵测度的熵指数r的值，r>0且r≠1；（2）输入待分割的灰度图像，并将其存入一个大小为M×N的二维图像数组I中；（3）遍历图像数组I，用公式L-1=max（I）计算得到图像最大灰度级值L-1,构建图像灰度级集合G={0,1,…,L-1}，通过公式hi=ni/(M×N)计算得到归一化的灰度直方图H（H={h0,h1,…,hL-1}），这里ni表示待分割图像内灰度级为i的像素数；（4）假定t为图像I的分割阈值，t将图像像素分为归属于两个不同类的灰度级集合C0与C1，C0={0,1,2,…,t}，C0={t+1,t+2,…,L-1}；（5）用公式、计算得到关于C0与C1的先验概率P0及P1，P0+P1=1；（6）通过以下公式定义关于图像灰度级类C0与C1的Masi熵S0和S1：；；（7）阈值化前后图像总的Masi熵定义为S=S0+S1，即，此式即为图像阈值化准则函数；（8）在G={0,1,…,L-1}范围内求取图像总的Masi熵S的最大灰度级t*，，t*即最优分割阈值；（9）假设用f(x,y)表示原始图像I坐标(x,y)处的像素灰度值，s(x,y)表示分割后图像坐标(x,y)处的像素灰度值，则求得最佳分割阈值t*后，s(x,y)用下式求得：；（10）输出分割后的图像。2CN106228555A说明书1/5页基于Masi熵测度的灰度图像阈值分割方法技术领域[0001]本发明涉及灰度图像处理技术领域，具体涉及一种基于Masi熵测度的灰度图像阈值分割方法。背景技术[0002]图像分割是图像处理中最为基本，但又是最为困难和最具挑战性的问题之一。图像分割的目的是把图像分成互不重叠的多个区域，各区域内部目标同质，从而为实现图像的后续处理奠定基础。因图像成像过程中受多种因素影响，其复杂性也致使用于分割的方法不能普适于不同的分割任务，因此研究新的方法用于实践中的特定分割任务也成为研究人员在图像处理工作中必须努力的方向之一。[0003]在工业环境中，特别是在工业流水线上，对图像处理任务的完成一般需要较高的实时性，因此在多种图像分割技术中，有着很高实时性能、而且也具有较高分割精确性的直方图阈值分割技术成为图像分割领域中相当流行的技术之一。[0004]基于信息论中熵概念的方法是图像阈值化技术中得到最为广泛应用的阈值化方法之一。因熵方法有着坚实的物理学背景，且在图像分割中也有着很高的效能故其得到了研究人员和工业实践的极度青睐，因此基于熵概念的方法或改进方案在研究或应用中纷呈叠出。最为经典的熵方法有Kapur等人基于Shannon熵提出的最大熵方法，Sahoo等人基于Rényi熵提出的最大Rényi熵方法以及PortesdeAlbuquerque等人基于Tsallis熵提出的最大Tsallis熵方法。在这些熵方法的基础上，为了进一步提高方法性能，其改进方案也不断被学者提出。Shannon熵方法和Rényi熵方法在图像阈值化过程中，能够处理图像中存在的可加信息，Tsallis熵方法能够处理图像中可能存在的非可加信息，然而其中的任何一种方法都不能同时处理两种不同性质的信息内容，因此这也是这类方法的一个不足。[0005]近年学者M.Masi提出一种新的熵测度（参见文献[1]M.Masi“,AstepbeyondTsallisandRényientropies,”PhysicsLettersA,Volume338,Issues3-5,2May2005,PP.217-224.）用于度量物