图像分割--使用迭代算法的全局阈值处理

基本全局阈值法

当图像由暗色背景和较亮物体组成时，从背景中提取出物体的方法是选择一个将两种灰度值分开的阈值T,即f(x,y)> T 的任何点(x,y)称

为一个对象点，否则将该点称为背景点。那么，分割后的图像g(x,y)由以下式子给出：

在这里：

阈值T可以是一个常数，则使用的是全局阈值处理

阈值T可以在一幅图上改变，则使用可变阈值处理

阈值T可以是多个，则使用双(多)阈值处理

比如下列灰度直方图，左侧可以使用单阈值，右侧则需要双阈值进行分割。

用迭代方法的全局阈值处理

在实际处理中，通常图像之间有较大变化，即使对每一幅图片使用全局阈值是可行的，但我们也需要有能力对每一幅图片进行自

动、估计阈值。因此，迭代方法就是用于这个目的：

1.为全局阈值T选择一个初始值(一般选择平均灰度)

2.用T分割该图像，这将产生两组像素：G1由灰度值大于T的所有像素组成，G2由灰度值小于T

的所有像素组成

3.对G1和G2的像素分别计算平均灰度值m1和m2

4.计算一个新的阈值：

                                           T=(m1+m2)/2

5.重复步骤2到步骤4，直到连续迭代中的T值间的差小于一个预定义的参数t为止。