梁义涛, 孟亚敏, 朱玲艳， 张 猛， 李永刚

(1.河南工业大学粮食信息处理与控制教育部重点实验室， 郑州 450001; 2.河南工业大学信息科学与工程学院， 郑州 450001)

图像分割是图像处理和分析中的关键一环，而阈值分割是图像分割中使用较多的基本和关键技术之一[1]。在阈值分割技术中，Otsu法[2]因其良好的实用化模型特点已被广泛应用在分类识别[3-6]、计算机视觉[7-10]等多个领域。1993年，针对经典Otsu法抗噪能力较差的问题，刘建庄等[11]提出了基于灰度图像的二维Otsu法。此方法考虑了像素本身及其邻域结构信息两方面影响因素，有很好的抗噪声性。但该方法假定了边界区域信息对于图像分割的影响可以忽略。此假设使得经典的二维Otsu法对于边缘信息较为丰富的图像分割效果不佳。因此，后续研究者给出了很多改进算法：范九伦等[12]提出了曲线阈值型Otsu法及其快速算法，经典的二维Otsu法可视为该方法的一种特例。但由于曲线阈值的解析式阶次需要提前人为设定，该文献快速算法依然是基于直线阈值近似地给出。如何针对不同图像自适应获得最优的曲线阈值解析表达依然是一个值得进一步探讨的问题。在直线阈值的求解方面，文献[13-15]结合对二维直方图的先验分析，给出了二维直方图区域斜分方法及改进，同时还将线阈值推广到法线与灰度级轴成任意θ角的直线。但该方法在实际应用时均固定选取θ=45°情况时直线阈值实现分割。且文献[14]指出需根据实际图像的信噪比及结果需求人为介入直线阈值θ角的值，使得该方法的自适应能力降低。……