基于形態(tài)學(xué)與二維Otsu相結(jié)合的紅外圖像分割方法

李欣

（武漢科技大學(xué) 信息科學(xué)與工程學(xué)院，湖北 武漢 430081）

在對(duì)圖像的研究和應(yīng)用中，研究人員有時(shí)候僅希望對(duì)一些特定的區(qū)域進(jìn)行研究，這些特定的區(qū)域一般被稱為目標(biāo)或前景（其他部分稱為背景）[1]。圖像分割就是把圖像分成若干個(gè)構(gòu)成它的子區(qū)域或?qū)ο蟛⑻岢龈信d趣目標(biāo)的技術(shù)和過(guò)程，它是從圖像處理進(jìn)到圖像分析的關(guān)鍵步驟，也是進(jìn)行圖像理解的基礎(chǔ)。多年來(lái)，對(duì)圖像分割的研究一直是圖像技術(shù)研究中的熱點(diǎn)，盡管人們?cè)趫D像分割方面做了許多研究工作，但由于尚無(wú)通用分割理論，因此現(xiàn)已提出的分割算法大都是針對(duì)具體問(wèn)題的，并沒(méi)有一種適合于所有圖像的通用的分割算法。現(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等[2-3]。

紅外圖像一般來(lái)自于物體自身溫度的熱輻射，這使得其具有低對(duì)比度、低信噪比、邊緣模糊的特點(diǎn)。圖像的信噪比低，表現(xiàn)為像素灰度值動(dòng)態(tài)范圍不大，很少充滿整個(gè)灰度級(jí)空間，而且絕大部分像素集中于某些相鄰的灰度級(jí)范圍[4]。在一幅紅外圖像中，其目標(biāo)與背景的溫度一般沒(méi)有多大差別，這使得如果僅用閾值法對(duì)其分割時(shí)，一個(gè)準(zhǔn)確的分割閾值并不好確定，特別是當(dāng)目標(biāo)特征微弱，而背景較復(fù)雜，噪聲干擾較大時(shí)，怎樣抑制背景和干擾將目標(biāo)準(zhǔn)確的分割出來(lái)，使后續(xù)的圖像分析工作更準(zhǔn)確，久成為紅外圖像分割的一個(gè)難題。本文提出了一種基于形態(tài)學(xué)與二維Otsu相結(jié)合的紅外圖像分割方法，先通過(guò)閾值分割對(duì)紅外圖像進(jìn)行處理，再運(yùn)用形態(tài)學(xué)的方法將圖像的分割效果進(jìn)行補(bǔ)充加強(qiáng)，實(shí)驗(yàn)表明，這種算法取得了較好的分割效果。

二維Otsu法是一種典型的自適應(yīng)閾值算法，它是在一維Otsu的基礎(chǔ)上發(fā)展而來(lái)的，它因其計(jì)算簡(jiǎn)單，分割效果較好，廣泛的應(yīng)用于圖像分割之中。閾值算法的關(guān)鍵技術(shù)是閾值的選取，最大類間方差法（即Otsu法）[5-6]一直被認(rèn)為是閾值自動(dòng)選取方法中很好的算法，該方法以目標(biāo)和背景的類間方差最大為閾值選取準(zhǔn)則，因其計(jì)算簡(jiǎn)單，快速有效，從而在圖像分割中得到了廣泛的應(yīng)用。但是在實(shí)際使用中，由于大部分圖像含有噪聲，并且圖像的灰度直方圖不一定出現(xiàn)明顯的波峰和波谷，因此，用一維Otsu法進(jìn)行圖像分割并不能得到較好的圖像分割效果，往往還會(huì)產(chǎn)生嚴(yán)重的分割錯(cuò)誤。對(duì)此，劉建莊等人將二維直方圖引入到Otsu算法中。二維直方圖即考慮了原始圖像的灰度信息，又引入了像素點(diǎn)鄰域的平均灰度即空間信息，有效的改善了圖像分割效果。

文中提出運(yùn)用形態(tài)學(xué)與二維Otsu法相結(jié)合的方法。先用二維Otsu法對(duì)紅外圖像進(jìn)行分割，然后利用形態(tài)學(xué)的方法對(duì)二值圖像進(jìn)行腐蝕、膨脹處理，提取輪廓信息，得到細(xì)節(jié)完善的分割效果。

1 二維Otsu圖像分割原理及分析

圖1 圖像的二維直方圖區(qū)域劃分Fig.1 Division of 2-d histogram

2 數(shù)學(xué)形態(tài)學(xué)與二維Otsu法的結(jié)合應(yīng)用

數(shù)學(xué)形態(tài)學(xué)圖像處理方法是建立在積分幾何和隨機(jī)集理論基礎(chǔ)上的，通過(guò)進(jìn)行膨脹、腐蝕兩種數(shù)學(xué)形態(tài)學(xué)基本運(yùn)算及其不同邏輯組合構(gòu)成的開(kāi)運(yùn)算和閉運(yùn)算，對(duì)圖像進(jìn)行處理，其對(duì)二值圖像提供了較好的分析方法。數(shù)學(xué)形態(tài)學(xué)圖像處理方法可以保留圖像基本形狀，去掉研究不感興趣的無(wú)關(guān)細(xì)節(jié)，消除小孔洞，并使圖像的輪廓更光滑。

設(shè)用A表示圖像，B表示結(jié)構(gòu)元素（B本身也是圖像集合，A和B均為集合），形態(tài)學(xué)運(yùn)算就是用B對(duì)A進(jìn)行操作。數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算有4種：膨脹（或擴(kuò)張）、腐蝕（或侵蝕）、開(kāi)啟和閉合。

膨脹可彌補(bǔ)圖像中的孔洞，它將可以將誤分割出來(lái)的背景點(diǎn)合并目標(biāo)中。其定義為：

腐蝕可使目標(biāo)收縮，收縮的程度與結(jié)構(gòu)元素的形狀和大小有關(guān)。因此腐蝕操作常用來(lái)分開(kāi)細(xì)小的粘連。其定義為：

開(kāi)啟是指先對(duì)圖像進(jìn)行腐蝕，然后膨脹其結(jié)果。它可以把比結(jié)構(gòu)元素小的突刺濾掉，切斷細(xì)長(zhǎng)搭接而起到分離作用。其定義是：

閉合是指先對(duì)圖像進(jìn)行膨脹，然后腐蝕其結(jié)果。它可以把比結(jié)構(gòu)元素小的缺口或孔填充上，時(shí)目標(biāo)被割斷的部分連通上。其定義是：

形態(tài)學(xué)法結(jié)合二維Otsu法對(duì)紅外圖像進(jìn)行分割的主要步驟如下：

1）先讀入一幅紅外圖像，將其轉(zhuǎn)化為灰度圖，如圖2（a）所示，觀察其一維圖像峰值特性，如圖2（b）所示，計(jì)算其圖像灰度值以及利用公式（1）得到其鄰域灰度信息，建立其二維灰度直方圖，觀察其特性。如圖2（c）所示。

圖2 實(shí)驗(yàn)圖像及其直方圖Fig.2 Experimental image and histogram

2）運(yùn)用二維OTSU算法對(duì)原始灰度圖進(jìn)行分割，得到二值化圖像。如圖3（a）所示，得到其初步的分割結(jié)果。

3）運(yùn)用形態(tài)學(xué)的方法對(duì)2）得到的圖像進(jìn)行區(qū)域填充，填充目標(biāo)中被誤分割出的部分，如圖3（b）所示。

4）對(duì)2）分割后的圖像進(jìn)行邊緣提取，得到圖像的邊緣信息，如圖3（c）所示。

5）將3），4）所得的圖像進(jìn)行融合，得到運(yùn)用本文方法所得到的分割最終結(jié)果，如圖3（d）所示。

3 實(shí)驗(yàn)結(jié)果及分析

本文所用圖片采集于高德紅外熱像儀。圖像的分辨率為294×363，分辨率為106 722。圖3（a）為運(yùn)用二維Otsu方法得到的分割結(jié)果，可以看出此時(shí)分割出來(lái)的圖像其邊緣較模糊，并且分割出的目標(biāo)內(nèi)有未分割出的部分。圖3（b）為運(yùn)用形態(tài)學(xué)方法對(duì)圖像進(jìn)行填充，可以看出，目標(biāo)基本被分割出來(lái)，但是因?yàn)閼?yīng)用膨脹，其邊緣有一定的變形。如圖3（c）所示，為原圖的邊緣信息，之后將圖（b）和圖（c）的結(jié)果進(jìn)行融合，即得到本文所用方法的分割結(jié)果，如圖3（d）。可以看出，通過(guò)運(yùn)用本文所提出的基于形態(tài)學(xué)與二維Otsu的方法對(duì)紅外圖像進(jìn)行分割，可以改進(jìn)圖像被誤分割的部分，目標(biāo)主體被很好的分割出來(lái)了，并且邊緣信息較完整的保留下來(lái)了。

圖3 形態(tài)學(xué)與二維Otsu法相結(jié)合的分割結(jié)果Fig.3 Segmentation based on the combination of morphological and two－dimensional Otsu method

4 結(jié)束語(yǔ)

文中通過(guò)將二維Otsu法與形態(tài)學(xué)相結(jié)合，既利用了二維Otsu法考慮了圖像的灰度信息以及鄰域空間信息的特點(diǎn)，又運(yùn)用形態(tài)學(xué)的特點(diǎn)使分割的圖像信息完整，得到較好的分割效果。這個(gè)方法因?yàn)榉指顣r(shí)間較快速，也滿足圖像分割的實(shí)時(shí)性。這是對(duì)現(xiàn)有的紅外圖像分割方法的一種補(bǔ)充，但是在圖像形態(tài)學(xué)處理部分，當(dāng)對(duì)圖像進(jìn)行膨脹處理時(shí)，其結(jié)構(gòu)元素的確定還需要進(jìn)行進(jìn)一步研究，已達(dá)到更快速精確的分割效果。

[1]王愛(ài)民，沈蘭蓀.圖像分割研究綜述[J].測(cè)控技術(shù)，2000，19（5）：1－6.WANG Ai-min，SHEN Lan-sun.Image segmentation research review[J].Journal of Measurement and Control Technology，2000，12（5）：1－6.

[2]夏良正.數(shù)字圖像處理[M].南京：東南大學(xué)出版社，1999.

[3]章毓晉.圖像分割[M].北京：科學(xué)出版社，2003.

[4]Chambolle A.An algorithm for total variaiton minimization and Applications[J].Journal of Mathemaitcal Imaging and Vision，2004，20（1/2）：89－97.

[5]韓思奇，王蕾.圖像分割的閾值法綜述[J].系統(tǒng)工程與電子技術(shù)，2002，24（6）：91－94.HAN Si-qi，WANG Lei.Review the threshold image segmentation method[J].Systems Engineering and Electronics，2002，24（6）：91－94.

[6]Otsu N.A threshold selection method from gray-level histogram[J].IEEE Transactions on Systems，Man and Cybemetics，1979，1（9）：62－68.