邹耀斌 雷帮军 臧兆祥 王俊英 胡泽海 董方敏

图像阈值分割由于具有简洁性、直观性和有效性等特点而被持续关注[1−5].阈值分割的基本原理是将图像中每个像素的灰度值与选择的阈值进行比较,然后确定像素是属于前景还是背景.选择阈值由此成为阈值分割的关键[6],而让所选阈值尽可能地接近最优阈值则是阈值分割的核心目标[7].

在阈值的自动选择方面,一类思想是以概率统计学和/或信息论为基础,利用灰度直方图提供的原始信息和/或派生信息计算阈值.根据灰度直方图的维度以及构建灰度直方图过程中所涉及到的图像空间,可以将灰度直方图分为全局一维直方图,局部一维直方图,全局联合直方图三大类.

全局一维灰度直方图通过对整幅图像的灰度值分布进行统计而建立.利用全局一维灰度直方图的典型方法包括Otsu方法[8]、最小误差法[9]、最大香农熵法[10]、最小交叉熵法[11]以及基于非香农熵的方法[12−15].这些方法虽然适合分割灰度直方图为双峰模式且峰谷特征明显的图像,但是容易误分割灰度直方图为单峰模式的图像.一些新近提出的方法[16−21]尝试在全局一维灰度直方图范围内对相关方法进行改进,但是它们面临着一个共同的难题:对于全局一维灰度直方图相同但是图像内容不同的两幅图像,它们无法计算出不同的阈值.

局部一维灰度直方图通过对图像特定区域的灰度值分布进行统计而建立.典型的……