一種基于像素鄰域信息的數(shù)字圖像閾值自確定算法制造技術(shù)

本發(fā)明專利技術(shù)公開了一種基于像素鄰域信息的數(shù)字圖像閾值自確定算法，包括以下步驟：(1)選取圖像的拉普拉斯模板，進(jìn)行卷積計(jì)算獲取L

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于像素鄰域信息的數(shù)字圖像閾值自確定算法


[0001]本專利技術(shù)涉及數(shù)字圖像信息提取領(lǐng)域，具體涉及一種基于像素鄰域信息的數(shù)字圖像閾值自確定算法。

技術(shù)介紹

[0002]隨著數(shù)字成像技術(shù)(CT、SEM、FIB/SEM)迅速發(fā)展的，巖土材料的孔隙結(jié)構(gòu)得以以灰度圖像形式呈現(xiàn)。獲取巖土體孔隙結(jié)構(gòu)的最直接方式就是閾值分割方法?，F(xiàn)有灰度算法主要以像素灰度的不連續(xù)變化或區(qū)域相似性特征來進(jìn)行灰度圖像分割，對(duì)于灰度直方圖波峰平緩、相對(duì)對(duì)稱或被具有明顯雙峰灰度級(jí)圖像分割效果較好，通過選取兩波峰之間的波谷點(diǎn)作為最佳閾值，從而對(duì)圖像中目標(biāo)和背景進(jìn)行準(zhǔn)確有效地分割而對(duì)于微觀巖土材料灰度圖像，灰度高度集中，直方圖呈中間較大、兩端較小的單峰分布；因此現(xiàn)有算法對(duì)巖土微觀圖像的灰度分割存在較大的誤差，分割結(jié)果的真實(shí)性和可靠性較低。

技術(shù)實(shí)現(xiàn)思路

[0003]針對(duì)上述存在的技術(shù)不足，本專利技術(shù)的目的是提供一種基于像素鄰域信息的數(shù)字圖像閾值自確定算法。
[0004]為解決上述技術(shù)問題，本專利技術(shù)采用如下技術(shù)方案：
[0005]本專利技術(shù)提供一種基于像素鄰域信息的數(shù)字圖像閾值自確定算法，包括以下步驟：
[0006](1)選取圖像的拉普拉斯模板，進(jìn)行卷積計(jì)算獲取L
?
P灰度值；
[0007](2)將步驟(1)獲取L
?
P灰度值進(jìn)行標(biāo)記且替換原始圖像灰度，并進(jìn)行灰度值累積統(tǒng)計(jì)；
[0008](3)繪制替換后的灰度分布直方圖并與原始灰度圖像直方圖進(jìn)行對(duì)比；
[0009](4)標(biāo)記替換后L
?
P值灰度直方圖與原始圖像灰度直方圖產(chǎn)生的兩個(gè)交點(diǎn)，通過計(jì)算獲取兩個(gè)交點(diǎn)對(duì)應(yīng)的像素點(diǎn)的灰度值區(qū)間，用此區(qū)間覆蓋原始所有可分割邊界像素灰度值，在此區(qū)間內(nèi)進(jìn)行分類間方差最大值的計(jì)算；
[0010](5)取分類間方差最大值處對(duì)應(yīng)灰度為最佳分割閾值。
[0011]優(yōu)選地，步驟(1)中的拉普拉斯模板采用如下模板：
[0012]1111
?
81111
[0013]優(yōu)選地，步驟(1)中的圖像包括膨潤(rùn)土FIB
?
SEM圖像、煤SEM圖像、砂巖CT圖像、頁巖CT圖像。
[0014]優(yōu)選地，步驟(1)在計(jì)算獲取L
?
P灰度值之前，繪制原始灰度圖像直方圖。
[0015]優(yōu)選地，步驟(4)中的灰度區(qū)間值記為(T1,T2)，分類間方差最大值的計(jì)算具體包括：
[0016]在(T1,T2)區(qū)間進(jìn)行二分類為A1和A2兩部分，分類到A1中的概率由概率的歸一性可知：分類到A2中的概率p2(k)＝1
?
p1(k)，兩類間分別進(jìn)行累計(jì)均值即期望計(jì)算為：
[0017][0018]兩類中的平均灰度值分別為：
[0019][0020]計(jì)算兩類間方差為：
[0021]σ2＝p1(k)p2(k)(m1(k)
?
m2(k))2[0022]遍歷(T1,T2)區(qū)間，σ最大時(shí)的對(duì)應(yīng)的灰度值作為最佳灰度分割閾值T。
[0023]本專利技術(shù)的有益效果在于：
[0024]相比于現(xiàn)有的灰度圖像閾值確定方法，本專利技術(shù)通過將像素L
?
P值考慮進(jìn)來，可以更加準(zhǔn)確有效地對(duì)巖土材料微觀圖像灰度圖像進(jìn)行有效的分割，彌補(bǔ)了現(xiàn)有技術(shù)誤差大、精度低的缺點(diǎn)；同時(shí)，本專利技術(shù)涉及到的算法簡(jiǎn)便，計(jì)算量小，計(jì)算速率更快。
附圖說明
[0025]為了更清楚地說明本專利技術(shù)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術(shù)的一些實(shí)施例，對(duì)于本鄰域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0026]圖1是本專利技術(shù)的方法流程示意圖；
[0027]圖2是本專利技術(shù)實(shí)施例的圖像測(cè)試圖；
[0028]圖3是圖2圖像對(duì)應(yīng)的原始灰度直方圖；
[0029]圖4是本專利技術(shù)實(shí)施例對(duì)應(yīng)的L
?
P值灰度圖；
[0030]圖5是本專利技術(shù)實(shí)施例的替換后的灰度直方圖與原始灰度直方圖的對(duì)比示意圖；
[0031]圖6是本專利技術(shù)實(shí)施例的分割結(jié)果圖。
具體實(shí)施方式
[0032]下面將結(jié)合本專利技術(shù)實(shí)施例中的附圖，對(duì)本專利技術(shù)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本專利技術(shù)一部分實(shí)施例，而不是全部的實(shí)施例?；诒緦＠夹g(shù)中的實(shí)施例，本鄰域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本專利技術(shù)保護(hù)的范圍。
[0033]如圖1至圖6所示，本實(shí)施例提供一種基于像素鄰域信息的數(shù)字圖像閾值自確定算法，具體包括以下步驟：
[0034]步驟1：對(duì)圖像進(jìn)行拉普拉斯卷積計(jì)算：
[0035]選取如圖2所示樣本圖像，其中圖2(a)為膨潤(rùn)土FIB
?
SEM圖像、圖2(b)為煤SEM圖
像，圖2(c)為砂巖CT圖像；圖2(d)為頁巖CT圖像，并統(tǒng)計(jì)樣本灰度直方圖數(shù)據(jù)，如圖3所示；對(duì)原始圖像采用拉普拉斯算子突出檢測(cè)背景和目標(biāo)即孔隙間的邊界，通過模板進(jìn)行卷積計(jì)算；在本實(shí)施例中，選用下列模板來進(jìn)行像素點(diǎn)L
?
P值計(jì)算：
[0036]1111
?
81111
[0037]步驟2：對(duì)獲得的像素L
?
P值標(biāo)記替換及灰度直方圖統(tǒng)計(jì)：
[0038]將拉普拉斯卷積模板的小矩陣在需要進(jìn)行梯度計(jì)算的圖像上移動(dòng)，在每一像素點(diǎn)位置處進(jìn)行卷積操作計(jì)算該像素點(diǎn)的L
?
P值，獲取如圖4所示的標(biāo)記的L
?
P值灰度圖像，其中圖4(a)為膨潤(rùn)土圖像、圖4(b)為煤圖像，圖4(c)為砂巖圖像；圖4(d)為頁巖圖像；并累積統(tǒng)計(jì)獲取灰度直方圖數(shù)據(jù)；
[0039]步驟3：將步驟(2)獲得的灰度分布直方圖與步驟(1)獲得的原始灰度分布直方圖進(jìn)行對(duì)比，如圖5所示，在步驟2中L
?
P值對(duì)應(yīng)灰度直方圖數(shù)據(jù)基礎(chǔ)上，結(jié)合原始圖片直方圖數(shù)據(jù)，進(jìn)行同坐標(biāo)灰度值對(duì)比，選取兩直線交點(diǎn)區(qū)間為閾值計(jì)算區(qū)間記為(T1,T2)；
[0040]步驟4：進(jìn)行最佳分割閾值的計(jì)算：
[0041]在(T1,T2)區(qū)間進(jìn)行二分類為A1和A2兩部分，分類到A1中的概率由概率的歸一性可知：分類到A2中的概率p2(k)＝1
?
p1(k)，兩類間分別進(jìn)行累計(jì)均值即期望計(jì)算為：
[0042][0043]兩類中的平均灰度值分別為：
[0044][0045]由公式(1)
?
(2)可計(jì)算兩類間方差為：
[0046]σ2＝p1(k)p2(k)(m1(k)
?
m2(k))2???????????????????
(3)
[0047]遍歷(T1,T2)區(qū)間，尋找當(dāng)σ最大時(shí)的對(duì)應(yīng)的灰度值作為最佳灰度分割閾值T；
[0048]計(jì)算獲得的四種樣品的分割閾本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】

【技術(shù)特征摘要】
1.一種基于像素鄰域信息的數(shù)字圖像閾值自確定算法，其特征在于，包括以下步驟：(1)選取圖像的拉普拉斯模板，進(jìn)行卷積計(jì)算獲取L
?
P灰度值；(2)將步驟(1)獲取L
?
P灰度值進(jìn)行標(biāo)記且替換原始圖像灰度，并進(jìn)行灰度值累積統(tǒng)計(jì)；(3)繪制替換后的灰度分布直方圖并與原始灰度圖像直方圖進(jìn)行對(duì)比；(4)標(biāo)記替換后L
?
P值灰度直方圖與原始圖像灰度直方圖產(chǎn)生的兩個(gè)交點(diǎn)，通過計(jì)算獲取兩個(gè)交點(diǎn)對(duì)應(yīng)的像素點(diǎn)的灰度值區(qū)間，用此區(qū)間覆蓋原始所有可分割邊界像素灰度值，在此區(qū)間內(nèi)進(jìn)行分類間方差最大值的計(jì)算；(5)取分類間方差最大值處對(duì)應(yīng)灰度為最佳分割閾值。2.如權(quán)利要求1所述的一種基于像素鄰域信息的數(shù)字圖像閾值自確定算法，其特征在于，步驟(1)中的拉普拉斯模板采用如下模板：1111
?
811113.如權(quán)利要求1所述的一種基于像素鄰域信息的數(shù)字圖像閾值自確定算法，其特征...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉江峰，林遠(yuǎn)健，馬士佳，王志鵬，張耀暉，黃炳香，
申請(qǐng)(專利權(quán))人：徐州江恒能源科技有限公司，
類型：發(fā)明
國(guó)別省市：