改進最大類間方差的苗期農業圖像分割方法研究

何旭　王田田　蘇子璇

摘 要：針對苗期農業圖像的特點，提出了一種改進的Otsu閾值分割方法。使用2g-r-b方法對圖像實行灰度化，再應用改進的判別函數選擇分割閾值，以得到最優的分割結果。通過對分割結果的試驗分析，驗證了改進的Otsu法的有效性。

關鍵詞：圖像分割；Otsu法；農業圖像；分割評價

中圖分類號：TP391.4 文獻標識碼：A DOI：10.11974/nyyjs.20160432002

引言

圖像分割是數字圖像處理技術中一項非常關鍵的技術之一，它是對圖像進行分析識別等處理的前提。閾值分割方法由于其簡單、實時性好而得到了廣泛應用。依據對圖像采用閾值的個數可分為全局閾值方法和局部閾值方法[1]。但是圖像分割仍然是一個具有挑戰性的研究領域。針對農業圖像中目標和背景分布的復雜性，本文在原始otsu算法基礎上，提出了一種改進的Otsu分割方法，在圖像的基本信息不變的情況下，給出了一種新的分割閾值判別函數。實驗結果表明，改進的算法比傳統的Otsu閾值分割法能夠獲得更好的分割效果。

1 材料與方法

1.1 試驗材料與設備

本研究所使用的圖像均在石河子大學農學院試驗站（N45°19'，E86°03'）采集。采集時間為2015年4月下旬～5月中旬，累計1個月時間。為了方便研究，統一調整圖片大小為640×480。圖像處理由PC機完成，配置為：處理器Inter（R） Core（TM） CPU@2.60GHz，內存4GB，在Matlab R2008a 軟件平臺上運行。

1.2 改進otsu圖像分割算法

根據農田圖像自身的特點，為了克服光照變化和陰影的影響，首先采用歸一化的2g-r-b算法[2]對圖像進行灰度化處理。

最大類間方差法[3，4]（Otsu法）是在判決分析的基礎上推導出來的，它不需要其它的先驗知識，主要根據圖像的一維直方圖，將目標和背景的最大類間方差作為閾值選擇標準，抗干擾能力強。其基本思想如下：設灰度圖像的灰度級（），處在灰度級i的像素個數用ni表示，總的像素用N表示，Pi表示圖像中灰度級為i出現的概率，定義為

將圖像中的像素按灰度級用閾值t劃分為2類，即C0和C1。，，則2類出現的概率分別為：

讓從[0，L-1]依次取值，當最大時對應的值即為Otsu算法的最佳閾值。

根據類間方差的定義，即（3）式可知，傳統的 Otsu 法只考慮背景和目標之間的方差，卻忽略了不同區域像素中包含的分類信息，對噪聲較為敏感。當圖像的灰度直方圖沒有呈現雙峰狀時，分割效果就不太令人滿意。為了更全面地反映分類的好壞，降低噪聲對分割結果的影響，在充分考慮目標類和背景類二者之間分離性以及各自的類均值這2個因素后，定義新的閾值判別函數為：

該分類函數不僅考慮了類間的方差，還綜合考慮了各類之間的權重與灰度均值，當在[0，L-1]之間變化時，該閾值函數能使目標和背景最大程度的分開，達到有效分割圖像的目的。

2 試驗結果與分析

為驗證改進算法的有效性，采用自然光照環境下采集的田間作物圖像進行測試。圖1（a）是在大田環境下采集的雜草圖像，該圖像部分葉片重疊，還存在枯草、大塊土壤等復雜背景。圖1（b）是Otsu方法分割得到的結果，通過觀察發現，該算法對葉片分割較粗糙，有很多細節沒有分割完全，背景存在大量過分割。圖1（c）是改進算法分割結果，可以發現其結果明顯優于傳統Otsu方法分割結果。葉片分割和背景較完整，幾乎不存在誤分割。

3 結 論

針對苗期農作物圖像噪聲大，背景復雜的特點，在分析otsu算法機理的基礎上，提出一種新的閾值判別函數，試驗證實新的判別函數對圖像分割與傳統otsu算法分割結果相比有明顯改進。

參考文獻

[1] 倪麟.基于Otsu理論的圖像分割算法的研究[D].重慶大學，2013.

[2] 胡波，毛罕平，張艷誠.基于二維直方圖的雜草圖像分割算法[J].農業機械學報，2007，38（4）：199-202.

[3] Ohtsu N. A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems Man and Cybernetics， 1979， 9（1）：62-66.

[4] 王磊，多維Otsu方法在圖像分割中的研究[D].山東：山東師范大學，2009.

作者簡介：何旭（1992-），男，學士，主要從事農業圖像處理研究。