光照不均勻圖像的灰度波動閾值分割方法
【專利摘要】本發(fā)明提供了一種光照不均勻圖像的灰度波動閾值分割方法。與已有局部算法相比，該方法將圖像看作灰度值的三維地形，不均勻光照相當于改變了地形上地貌，使灰度值波動在局部區(qū)域內(nèi)拉高或壓低，因此可以在水平及垂直方向上迭代搜索每條灰度波動曲線中較大尺度的波峰點和波谷點，并在每對波峰點或波谷點之間求取合理的閾值來實現(xiàn)圖像目標像素和背景像素的劃分，最后對兩方向上取得的閾值圖像進行整合得到最終分割圖像。該方法可以有效地降低不均勻光照的影響，同時提高算法的實時性，為在復雜背景下圖像的目標檢測提供了有效的預處理技術基礎。
【專利說明】光照不均勻圖像的灰度波動閾值分割方法
【技術領域】
[0001]本發(fā)明屬于機器視覺檢測中的圖像分割領域，具體涉及圖像分析系統(tǒng)(如目標缺陷檢測系統(tǒng)、字符識別系統(tǒng)、目標定位測量系統(tǒng))中的一種用于處理工業(yè)光照不均勻圖像的灰度波動閾值分割方法。
【背景技術】
[0002]圖像閾值分割是機器視覺檢測技術的重要預處理部分，對后續(xù)的處理精度具有至關重要的作用。其中，全局算法利用整幅圖像的類間方差或者熵等信息來劃定像素的類別，而局部算法通過圖像的局部信息來確定像素的類別。相比全局算法而言，局部算法在處理工業(yè)復雜環(huán)境下拍攝的光照不均勻檢測圖像方面具有明顯的優(yōu)勢，因而成為檢測技術的重要攻克方向。從最新研究動態(tài)來看，局部算法在復雜文本處理領域應用較多，而對工業(yè)光照不均勻圖像的分割仍是以傳統(tǒng)全局算法居多。[0003]芬蘭奧盧大學Sauvola教授提出通過統(tǒng)計給定窗口內(nèi)的均值和方差方法來尋求單個像素閾值，鄰域均值通過乘以最大標準差和固定常數(shù)，以一種自適應的形式放大方差的影響。這種局部算法不但對參數(shù)的調(diào)節(jié)比較敏感，而且實時性較差。中國科學院Huang教授通過基于Lorentz信息度的金字塔結構來自適應地調(diào)整分塊大小，并使用Otsu算法分割各個子塊，該方法在一定程度上降低了不均勻光照的影響，但是仍無法消除分塊間的不連續(xù)現(xiàn)象。臺灣淡江大學Chou博士則利用支持向量機判定子塊類別并對子塊采取不同的分割策略，但該方法需要大量的先驗知識，實用性不強。因此，設計一種能夠抗復雜背景干擾、不均勻光照干擾，適用于工業(yè)圖像的自適應閾值分割方法具有廣泛的實際應用價值。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是克服現(xiàn)有全局算法的固定絕對閾值的不足，發(fā)揮局部算法的分割優(yōu)勢，提出一種分割性能優(yōu)越、適用于實時性要求較高的工業(yè)流水線圖像的灰度波動閾值分割方法，以此降低不均勻光照的影響。
[0005]本發(fā)明方法是基于如下考慮:上業(yè)圖像往往屬于光照不均勻圖像，因此可以將圖像看作三維地形，地形的山峰區(qū)域?qū)繕?，低谷區(qū)域?qū)尘?，即圖像的像素灰度在二維空間中波動。對于單個像素，其灰度的局部特性與它在波動上的位置相關，倘若能夠搜索到二維波動上的波峰和波谷，并對波峰和波谷的鄰近像素作恰當?shù)奶幚恚涂梢愿拥剡M行局部閾值分割。
[0006]為了解決上述光照不均勻圖像的灰度波動閾值分割技術問題，本發(fā)明包括以下步驟:
[0007](I)實時獲取工業(yè)灰度圖像f (X, y)，從水平、垂直2個方向提取原始圖像f(x, y)在該方向上的所有截線&0^，7)，1 = 1,2,…，即為該方向上的所有灰度波動曲線&00。
[0008](2)定位給定方向上的每一條灰度波動曲線上較大的波峰點和波谷點，剔除較小波動，預先設定波動幅度閾值T來控制灰度波動幅度的敏感程度。[0009](3)定位灰度波動曲線上所有較大波動的波峰點。如圖1所示，假定？111是滿足波動幅度閾值的前一個波谷，Pj (tj，f (tj)) ^Pi (ci； f (Ci))之后的一個極小值，則:
[0010]
【權利要求】
1.一種光照不均勻圖像的灰度波動閾值分割方法，其特征在于:它能夠?qū)崿F(xiàn)對工業(yè)光照不均勻圖像準確、快速地分割，使分割后的圖像輪廓邊界準確、細節(jié)清晰可辨；該方法的關鍵在于灰度波動曲線上的大尺度波峰點和波谷點的搜索；整個算法包括以下幾個步驟: (1)從水平及垂直2個方向上提取原始圖像f(x，y)在給定方向上的所有灰度波動曲線 gi (k)； (2)對灰度波動曲線上各個位置對應的灰度值進行前后差分操作，并判斷前后差分出現(xiàn)異向，即為所有尺度大小的潛在波峰點和波谷點，其中起始點和末尾點也包括在內(nèi)； (3)統(tǒng)計灰度波動曲線上所有極值點(包括波峰點和波谷點)的個數(shù)，并求取最小極值； (4)定位灰度波動曲線上所有較大波動的波峰點和波谷點； (5)基于灰度波動曲線上大波動的波峰和波谷交錯序列，對其上升沿或下降沿中的每一對波峰和波谷之間進行分割； (6)通過水平及垂直2個方向得到2幅閾值分割后的圖像，對這2幅圖像進行交操作，得到最終的閾值分割圖像。
2.根據(jù)權利要求1所述光照不均勻圖像的灰度波動閾值分割方法，其特征是:所述步驟⑵中搜索所有尺度大小的潛在波峰點和波谷點，其判斷的依據(jù)為gGO-gGvi)<0&&g (ki+1) -g (kj) > O 或 gO^-gOiH) > 0&&g (ki+1) -g (kj) < 0。
3.根據(jù)權利要求1`所述光照不均勻圖像的灰度波動閾值分割方法，其特征是:所述步驟(4)中迭代搜索灰度波動曲線上所有滿足波動幅度閾值T的波峰點和波谷點的方法。該方法描述假定Pm是滿足波動幅度閾值的前一個波谷，PjUj, f(tj))是？“^，f(Ci))之后的一個極小值，則: PM:rfic,)) = argmax{i^,j>i>m

/ U； } 波動幅度閾值T e [0，255]，如果使得卩1((^，f(Cj))和Ρ」α」，滿足:
f (Ci)-Mtj) > T Pi即為Pni之后的一個波峰點。波谷點的搜索方法與波峰點的搜索方法一致，波動幅度閾值T的一般最佳取值為30~50。
4.根據(jù)權利要求1所述光照不均勻圖像的灰度波動閾值分割方法，其特征是:所述步驟(5)中對其灰度波動曲線的上升沿或下降沿中的每一對波峰和波谷之間進行分割。假設[Tk(tj; f(tj)), Ck+1(ci； f(Ci))]是其上升沿分割的區(qū)間，給定浮動參數(shù)ζ，ζ e [0，1]，因此局部閾值計算為
Thresh= ζ X (f (Ci) -f (t」)) 設P(x，f(x))為圖像某方向上一灰度波動曲線上[tj; Ci]區(qū)間的點，那么若f(x) >Thresh，則P(x，f(x))屬于圖像的目標區(qū)域，否則P(x，f(x))屬于背景區(qū)域。其浮動參數(shù)一般最佳取值為0.5左右。
【文檔編號】G06T7/00GK103871047SQ201310754410
【公開日】2014年6月18日 申請日期:2013年12月31日 優(yōu)先權日:2013年12月31日
【發(fā)明者】白瑞林, 朱磊, 吉峰 申請人:江南大學, 無錫信捷電氣股份有限公司