知识卡片
阈值分割按灰度划类
阈值分割用一个或多个灰度界限把像素直方图分成几类,并假设同一灰度类内的像素属于同一类物体。选阈值的准则不同:Otsu 最大化类间与类内方差之比;也可假设目标与背景灰度服从不同均值、方差的正态分布,再最小化总体错分概率;Kapur 等则用最佳熵。这些准则都依赖灰度能区分目标与背景,不能仅凭阈值数目判断分割质量。
补充教学示例(非书中数据)。灰度 0~255,单阈值 100:像素 归一类,≥100 归另一类。双阈值 80 与 160 则分成三段。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 . 4 基 于 遗 传 算 法 的 图 像 处 理 · 查看原书依据
图像分割中最经典的方法就是阈值分割法,即简单地用一个或几个阈值将图像的灰度直方图分成几类,认为图像中灰度值在同一灰度类内的像素属于同一类物体。人们已经提出了许多阈值的选择方法,如Otsu通过最大化类间方差与类内方差之比来选择门限;Nakagawa和Rosenfeld假设目标像元和背景像元均服从正态分布,但二者的均值和方差不同,在此前提下,他们通过最小化总体错误分类的概率来选择门限;Kapur等提出了最佳熵阈值方法(KSW法),此方法不需要先验知识,而且对于非理想双峰直方图的图像也可以进行较好的分割,但是此方法在进行阈值确定时,特别是确定多阈值时,计算量非常大。
参考来源
- 位置:《智能算法导论》第 1 章 1.4.1 节“基于遗传算法的图像分割”(`EPUB/xhtml/chapter1_0010.xhtml`)。
- 结论依据:原文给出阈值分割的灰度分类定义,并列举 Otsu、正态分布错分概率及最佳熵等选阈值准则。阈值 100 / 80 与 160 为依据该定义补充的教学示例,非书中数据。
- 原始内容:图像分割中最经典的方法就是阈值分割法,即简单地用一个或几个阈值将图像的灰度直方图分成几类,认为图像中灰度值在同一灰度类内的像素属于同一类物体。