图像阈值分割技术研究
一、 研究目的
图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提．同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准，图像阈值分割即是其中的一种方法。

阈值分割技术因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，已被应用于很多的领域，在很多图像处理系统中都是必不可少的一个环节。

二、 研究思路
阈值分割图像的基本原理描述如下：利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合，选取一个合适的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生对应的二值图像。

即：()()()⎩
⎨⎧≥<=.,1.
,0,T y x I T y x I j i B
三、 研究内容
（一）原理研究
图像阈值分割的方法有很多，在这里就其中三种方法进行研究，迭代法，
OUTS 法，以及双峰法。

方法一：迭代法 方法原理：
开始时候选择一个阈值作为初始估计值，然后按着某种策略不断得改进这个估计值，直到满足给定的准则为止。

（1） 求出图像最大灰度值Max 和最小灰度值Min ，初始阈值估计值
T 0.=(Max+Min)*0.5.
（2） 用T 0将图像分割为目标和前景。

图像分成两组像素：Z 1由所有灰度值大
于或等于T 0的像素组成，而Z 0由所有灰度值小于T 0的像素组成。

（3） 分别求出两者区域中的所有像素计算平均灰度值a 1和a 2。

（4） 计算新的阈值T1=(a 1+a 2)*0.5.
（5） 如果|T i+1-T i |<0.5，则退出循环，T i+1即为所求阈值；否则，将T i+1复制给
T i ，重复（2）~（5）。

源程序：
分割效果：
方法二：OTSU 法 方法原理 OTUS 又称：最大类间法，该算法是在使类间方差最大的自动确定阈值的方法，
是在判决分析最小二乘法原理的基础上推到得出的，其算法比较简单，是一种方便可行的阈值选取方法。

设原始灰度图像灰度级范围为[0,L],灰度级为i 的像素点数为n i ，则图像的全部像素数为：
n n n L o N 11......-+++=
11
=∑-=L i i
P
把图像中的像素按灰度值用阈值t 分成两类C 0和C 1，由灰度值在[0,t]之间的像素组成，由灰度值在[t+1,L-1]之间的像素组成，对于灰度分布概率，整幅图的均值为
u t ∑-==1
0L i i P i
因此，C 0和C 1的均值为：
()()
()()
t w t t w T
t i i
o i o
i
w ip ip
--==
==∑∑+==1t 1
-L 1
1
1t
μμμμμ
其中
()
)
(1)()(1
1
1
1
t w t w L t i i
r
t
i i
r
o
p
C P w p C P w -======∑∑-+==
上面三式可得
u t= w 0u 0+ w 1u 1 类间方差定义为：
))()(σ
1(002
1021202
μμμμμμo T T w w w w B
---=+=
让t 在[0,L-1]范围一次取值，使类间方差最大的他值即为OUTS 法的最佳阈值。

MATLAB 工具箱提供的graythresh
函数求取阈值。

源程序：
分割效果：
方法三：双峰法
方法原理：
双峰法是一种简单的阈值分割方法。

双峰法先将原图转为灰度图，然后将
与灰度i的二维关灰度图转为灰度直方图，灰度直方图就是灰度级的像素数n
i
系，它反映了一幅图像上灰度分布的统计特性，在MATLAB中使用函数imhist 来实现。

如果得到的灰度直方图呈现明显的双峰状，则选取双峰之间的谷底所对应的灰度级作为阈值分割。

图像的直方1：
源程序：
分割效果：
（此时C=130）
当将C换值时，可以得到以下两个图像
（此时C=140）
（此时C=120）
由图知当C=130时分割效果最好，可见阈值的选取对双峰法影响很大。

（二）三者的比较研究
原图如下：
分割效果：
由结果可知：迭代法和OTSU法的作用效果相似，设计原理相对于双峰来说要复杂点，但是分割效果比双峰法好些，但是对于有噪音的图片进行分割，OUST法和迭代法相对双峰法的处理效果要差些。

I=imnoise(I,'salt & pepper',0.08); %加椒盐噪声
分割结果：
双峰法原理简单，计算容易，性能稳定，也易于理解。

但是用此方法来分割图像需要一定的图像先验知识。

该方法不适用于直方图中双峰差别很大或者双峰中间谷底比较宽广而平坦的图像，以及单峰直方图的情况。

所以双峰法应用范围比起迭代法和OTSU法小很多，对于图像灰度直方图的双峰和低谷都不明显的，而且两个区域面积也比较难以确定时多采用迭代法和OTSU法。

例如下图处理：
原图如下：
图像直方图2：
此时有直方图趋近于单峰图像，难以找出谷底得出阈值，去此时阈值为C=160可得到分割效果如下：
此时由直方图找出的阈值不准确，再次证明阈值对双峰法影响很大，而对于阈值不明显的图像则不能采用此方法。

四、研究总结
经研究可知迭代法和OTSU法的作用效果相似，都属于自动阈值选择法，设计原理相对于双峰来说要复杂点，并且对有噪音的图片处理不是很好，而且迭代对于图像的细微处或者浅色的线条还没有很好的处分度。

双峰法虽简单，但应用范围小，对于那些峰值不太明显或者目标背景交界处两边像素在灰度值上有差别不是很明显的图像，用双峰法来处理效果就不是很明显了。

相对而言，这三种方法中，OTSU法是一种比较通用的方法。

五、参考文献
杨杰编著数字图像处理及MATLAB实现电子工业出版社
冈萨雷斯编著数字图像处理第二版中文版电子工业出版社
赵春江编著C#数字图像处理算法典型实例人民邮电出版社
张德丰编著数字图像处理（MATLAB版）人民邮电出版社。