利用小波融合算法改进图像分割效果的方法

摘要

本发明公开了一种利用小波融合算法改进图像分割效果的方法，通过将图像分别进行OTSU算法和双峰法的图像分割之后，使用小波融合算法对OTSU算法和双峰法得到的图像分割结果进行小波融合的新算法，使分割得到的目标区域更加完整、细节更为清晰。

说明书

技术领域

本发明涉及图像处理技术领域，尤其是一种利用小波融合算法改进图像分割效果的方法。

背景技术

图像分割定义为把图像中具有特殊含义的不同区域分开来，每一个区域都满足某种特性的一致性。在对图像的研究和相关的应用中，人们往往对图像的某些部分感兴趣，这些部分被称为目标，它们通常对应于图像中某些特定的、具有独特性质的区域。为了辨识和分析目标，需要将它们与背景分离，提取出来，这就是图像分割。

在众多的图像分割算法中，阈值法是一种最常用图像分割方法，阈值选取方法多达十几种，最具代表的是P-tile法、双峰法、最大类间方差法、最小误差法、最大熵方法和梯度统计法等。最大类间方差法(OTSU)算法是1979年由Ostu提出的动态阈值分割算法，它依据图像的灰度直方图，依据类间距离极大准则来确定区域分割门限，其对单峰和双峰图像均有较好的效果。双峰法则是利用图像灰度直方图的目标区域和背景区域的差别，即背景和目标区域各会形成一个波峰，而两波峰之间的波谷即为双峰法的分割阈值。

但是，经典的OTSU算法和双峰法对图像进行目标分割时，其分割的图像中分割目标存在不完全和图像细节分割不清晰的现象。

发明内容

本发明所要解决的技术问题是提供一种利用小波融合算法改进图像分割效果的方法，它能解决经典的OTSU算法和双峰法对图像进行目标分割时，其分割的图像中分割目标不完全和图像细节分割不清晰的现象，使分割得到的目标区域更加完整、细节更为清晰，以克服现有技术的不足。

本发明是这样实现的：利用小波融合算法改进图像分割效果的方法，包括如下步骤：

1）先将彩色图像f转化为灰度图像f_g，并计算灰度图像f_g的灰度值；

2）采用OTSU算法对灰度图像f_g进行分割，并求出灰度图像f_g的图像分割结果f_g1；

3）采用双峰法算法对灰度图像f_g进行分割，并求出灰度图像f_g的图像分割结果f_g2；

4）通过小波图像融合算法将步骤2）与步骤3）中获得的图像分割结果fg₁与图像分割结果fg₂进行小波图像融合，得到得到融合结果f_k，将融合结果f_k显示出来即可。

步骤2）中OTSU算法对灰度图像f_g进行分割的原理是，根据图像的灰度特性，将图像分为目标区域和背景区域两部分，这两部分之间的类间方法最大的值就是图像的分割阈值t；设在一幅图像I中存在L个灰度的等级,具体步骤为：

a）计算第i个等级灰度的像素出现的概率Pi；

b）计算图像总体的平均灰度级则为μ_T；

c）使用分割阈值t将图像分为分为两类：α₀[0,t]和α₁[t+1,L-1]，求α₀和α₁的概率P_α0和P_α1；

d）计算出α₀和α₁的平均灰度μ_α0和μ_α1；

e）计算目标区域和背景区域的类间方差η²，采用遍历计算方法得出类间方差最大的值T₁，即为最大类间方差法得到的分割阈值；再利用得到的该算法的分割阈值T₁对图像进行分割则得到OTSU算法的图像分割结果f_g1。

步骤3）中的双峰图像算法对灰度图像f_g进行分割的原理是：利用图像的灰度直方图的特性来确定图像的分割阈值，利用图像的目标区域和背景区域的差异会在灰度直方图上形成两个相对应的波峰，两波峰之间的波谷即为图像的分割阈值T₂，利用分割阈值T₂对图像进行分割则得到双峰法算法的图像分割结果f_g2。

步骤4）中小波图像融合算法的具体步骤是：

a）将灰度图像f_g转为三维数据矩阵；

b）取步骤（a）中得到的三维矩阵中的第一维；

c）对步骤（b）中得到的第一维图像数据用wname小波基函数实现两层分解；

d）取第二层高频分解系数，并取均方差最大值；

e）取一个与分解系数矩阵的行向量长度同的0矩阵，对于第2层低频取两张图像对应两个元素的平均值，作为生成矩阵的元素；

f）将图像处理结果进行二维离散小波的5层重构，进行小波融合。

小波变换多尺度分解在图像融合中有着广泛的应用，小波变换的图像融合方法在保留塔形分解融合方法优点的基础上，冗余性小，数据运算量不会很大，同时小波分解的方向性可以根据人眼对不同方向的高频分量有不同的分辨率的特性，获得最佳的视觉融合图像。

与现有技术相比，本发明通过将图像分别进行OTSU算法和双峰法的图像分割之后，使用小波融合算法对OTSU算法和双峰法得到的图像分割结果进行小波融合的新算法，使分割得到的目标区域更加完整、细节更为清晰。

附图说明

附图1为本发明的算法流程图；

附图2为本发明的小波变换分解、重构图像融合算法流程图；

附图3为本发明的实施例的灰度图像；

附图4为双峰法分割图像；

附图5为OTSU算法分割图像；

附图6为最大熵分割算法图像；

附图7为本发明的实施例的算法图像。

具体实施方式

本发明的实施例：利用小波融合算法改进图像分割效果的方法，如图1所示：

1）输入一幅彩色图像，记为f，将彩色图像f转化为灰度图像f_g，并计算灰度图像f_g的灰度值；该灰度图像f_g如图3所示；

2）采用OTSU算法对灰度图像f_g进行分割，并求出灰度图像f_g的图像分割结果f_g1；

3）采用双峰法算法对灰度图像f_g进行分割，并求出灰度图像f_g的图像分割结果f_g2；

双峰图像算法对灰度图像f_g进行分割的原理是：利用图像的灰度直方图的特性来确定图像的分割阈值，利用图像的目标区域和背景区域的差异会在灰度直方图上形成两个相对应的波峰，两波峰之间的波谷即为图像的分割阈值T₂，利用分割阈值T₂对图像进行分割则得到双峰法算法的图像分割结果f_g2；

4）通过小波图像融合算法将步骤2）与步骤3）中获得的图像分割结果fg₁与图像分割结果fg₂进行小波图像融合，得到得到融合结果f_k，将融合结果f_k显示出来即可。

小波图像融合算法的具体步骤是：

a）将灰度图像f_g(即图3）转为三维数据矩阵；

b）取步骤（a）中得到的三维矩阵的第一维；

c）对步骤（b）中得到的第一维图像数据用wname小波基函数实现两层分解；

d）取第二层高频分解系数，并取均方差最大值；

e）取一个与分解系数矩阵的行向量长度同的0矩阵，对于第2层低频取两张图像对应两个元素的平均值，作为生成矩阵的元素；

f）将图像处理结果进行二维离散小波的5层重构，进行小波融合。

上实施例采用MATLAB软件2009b软件平台进行测试，并采用国际标准测试图像彩色Lena进行试验；将本发明的算法与OTSU和双峰法图像分割结果进行对比试验，其数字图像仿真实验结果如附图4-7所示。

与经典同类算法进行对比实验可以看出，图4-图6对比图7，相比双峰法、OTSU算法和最大熵阈值分割算法等图像分割算法，可以看出基于小波融合的OTSU算法和双峰法的图像分割算法分割出的图像目标区域更完整、细节更清晰；从图4与图7对比可以看出，相比于双峰法，基于小波融合的OTSU算法和双峰法的图像分割算法在目标区域细节信息更为清晰丰富；从图5、图6与图7对比可以看出，相比于OTSU算法和最大熵分割算法，基于小波融合的OTSU算法和双峰法的图像分割算法对目标区域分割更为完整。综上所述，本发明文基于小波融合的OTSU算法和双峰法的图像分割算法提高了图像分割的精确度，能较好地保目标区域的完整性同时细节信息清晰丰富。