吴川市第二中学
作者:***
来源:《电脑知识与技术》2012年第29期
摘要:图像分割是图像处理中的重要问题。针对传统的图像阈值分割方法耗时较多的不足,充分利用遗传算法寻优的高效性,提出了一种基于遗传算法和Otsu法相结合的图像多阈值分割方法。实验表明,采用遗传算法不仅可以实现图像阈值分割,而且使得分割耗费的时间显著减少。
宋香波 关键词:图像分割;遗传算法;Otsu法;阈值教材插图
中图分类号:TP18 文献标识码:A 文章编号:1009-3044(2012)29-7097-04
在对图像的研究和应用中,人们往往仅对图像中的某些部分感兴趣,这些部分常称为目标或前景(其它部分称为背景),它们一般对应图像中特定的、具有独特性质的区域。为了辨析和分析图像中的这些日标,需将它们从图像中分离提取出来,在此基础上才有可能进一
步对目标进行测量和对对图像进行利用。图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程[1]。千古之谜
图像分割作为一种基本的图像分析技术,多年来一直得到人们的高度重视。通常图像分割包括阈值法、边缘检测法、区域跟踪法和基于图论的分割方法等[2]。其中阈值法是图像分割的常用方法,至今己提出了众多的阈值分割方法,如最小误差阈值法、Otsu法[3]等等。根据Sahoo等人利用均匀性参数和形状参数对标准图分割结果作评估的评测结论[4],Otsu法、Kapur等人提出的最佳熵法(KSW熵法)、Johannsen法、Bille法和Tsai的矩不变法是较好的方法。Otsu法和KSW熵法不需要先验知识,而且对于非理想双峰直方图的图像也可以进行分割。然而,在图像阈值分割中,阈值选取是一个关键问题,它直接影响后续处理的效果。国内外学者针对这一课题进行了广泛深入的研究,提出了很多阈值选取方法[5, 6]。但这些方法在不同程度上存在着执行效率低、易于陷入局部最优解等问题。