《一种光斑图像的阈值分割和光斑中心坐标的计算方法》由会员分享，可在线阅读，更多相关《一种光斑图像的阈值分割和光斑中心坐标的计算方法（4页珍藏版）》请在金锄头文库上搜索。
1、图 形 图 像现代计算机 2011.09一种光斑图像的阈值分割和光斑中心坐标的计算方法韩亚荣1,2,3， 黄朝兵1， 钟继卫2,3， 王 翔2,3（1. 武汉理工大学信息工程学院 ， 武汉 430070； 2.中铁大桥局集团武汉桥梁科学研究院有限公司 ，武汉 430034；3. 桥梁结构安全与健康湖北省重点实验室 ，武汉 430034）关键词 ： 阈值分割 ； 方差 ； 光斑中心坐标 ； 连通区域标记收稿日期 ：2011-08-17 修稿日期 ：2011-09-10作者简介 ：韩亚荣 （1988-），女 ，山西临汾人 ，硕士研究生 ，研究方向为流媒体与模式识别 、图像处理工业测量中经常需要从获
2、取的光斑图像中提取光斑区域 ，计算光斑中心的坐标 。 针对光斑图像具有背景区域较暗且面积大 ，目标 （光斑 ）区域较亮且面积小的特点 ，提出了一种适用于光斑图像的阈值分割方法 ，计算单个光斑中心坐标的重心法 ，以及采用连通区域标记和区域大小排序计算多个光斑中心坐标的方法 。 与其他阈值分割方法比较后的实验结果表明 ，所提出的方法可更好地分割光斑图像 ，与期望的人工选取的阈值最接近 ，计算得到的光斑中心坐标准确 ，且运行时间较短 。摘 要 ：0 引 言随着现代技术的发展 ， 数字图像处理技术在工业测量中得到了越来越多的应用 ， 例如桥梁挠度测量1，结构物的表面裂缝宽度测量2。 用光斑作为标志物附
3、着在工程结构上来对关注目标进行形变测量时需要测量光斑的位移 ，通过对采集到的光斑图像进行处理 ，得到所需要的测量结果 。 光斑图像的处理包括预处理 、图像分割 、二值化和计算光斑的坐标位置 。 图像的预处理主要是图像的去噪 ， 采用阈值分割并进行二值化是关键的环节 ， 二值化阈值的选取关系到光斑坐标计算的准确性 。阈值分割是图像处理中的重要技术 ， 阈值分割的关键在于选择一个合适的阈值 ，得到满意的分割结果 ，使得后续的计算更准确 。 光斑图像具有目标亮度高且面积相对小 ，背景暗且面积大的特点 ，经实验 ，现有的阈值分割方法例如 Otsu 法3、最大熵4、迭代法5等对于光斑图像的分割效果不好
4、，存在误判 ，为此本文提出一种针对光斑图像的阈值分割方法 。光斑测量中 ，光斑坐标的计算也是关键的一步 ，可以对单个光斑进行工业测量 ， 也可以对多个光斑进行测量 。 采用何种方法计算光斑的坐标关系到测量结果的准确性 ， 为此本文给出单个光斑和多个光斑的坐标计算方法 。 其中单个光斑采用重心法 ，多个光斑采用先进行连通区域标记和排序再计算光斑坐标的方法 。1 现有的阈值分割方法阈值分割方法的原理如下 ：设原始灰度图像为 f（x,y），以一定的准则在 f（x,y）中找出一个灰度值 T 作为阈值 ，将图像分割为两部分 ，灰度值大于 T 的部分为 1（白色 ），灰度值小于 T 的部分为 0（黑色 ）
5、。 则分割后的二值图像 g（x,y）为 ：g（x，y）=1，f（x，y）T0，f（x，y）T（1）阈值的选取是阈值分割技术的关键 。 如果阈值选取过高 ， 则过多的目标点被误归为背景 ； 阈值选得过低 ，则会出现相反的情况 。近几十年 ， 国内外学者对阈值选取进行了大量的研究 ，提出了很多经典的算法 。 例如基于最大类间方差（Otsu 法 ）3、最大熵4、迭代法5等多种类型阈值选取方法 。Otsu 法3是日本的大津展之提出最大方差阈值 （也趤趰图 形 图 像现代计算机 2011.09叫大津阈值 ）。 其原理是把直方图在某一阈值处分割成两组 ，当被分成的两组间方差为最大时 ，决定阈值 。 此方法
6、不管图像的直方图有无明显的双峰 ， 都能得到较满意的结果 ，因此 ，这种方法是阈值自动选取的最优方法 。迭代法5选取阈值是另一种比较常用的阈值选取方法 。 其算法分为以下步骤 ：选择阈值 T， 通常可以选择图像的平均灰度值来作为初始阈值 ；通过初始阈值 T， 把图像的平均灰度值分成两组 R1和 R2；计算这两组的平均灰度值 u1和 u2；重新选择阈值 T，新的 T 定义为 ：T=（u1+u2）/2；重复步骤 ，直到逐次迭代所得的 T 值之差小于预先给定的参数 T0，就得到了所需要的阈值 。吴一全6等人提出了一种可有效分割小目标图像的阈值选取方法 ， 构造了基于背景与目标的面积差和类内方差的阈值
7、选取准则函数 ， 可有效地分割小目标图像 。2 光斑图像的阈值分割现有的阈值分割方法例如最大类间方差阈值分割 、 迭代法阈值分割对于光斑图像分割的效果都不理想 。 通过研究得出 ，光斑图像具有背景暗而目标亮 ，背景面积大而目标面积小的特点 ， 并结合大津阈值分割的思想 ， 本文提出了一种针对光斑图像的阈值分割方法 。 以背景和目标的类间方差最大 ，类内方差最小 ，背景与目标的面积比最大作为判定准则 。设一幅图像的灰度值为 0m-1 级 ，图像中灰度值为 i 的像素的个数为 ni，用阈值 T 将其分成两组 C0=0T-1为背景 （暗 ），C1=Tm-1为目标 （亮 ）。像素总数 ：N=m-1i=
8、0ni（2）各值的概率 ：pi=niN（3）背景概率 ：w0（T）=T-1i=0pi（4）目标概率 ：w1（T）=m-1i=Tpi=1-w0（T） （5）背景平均值 ：0（T）=T-1i=0ipiw0（6）目标平均值 ：1（T）=m-1i=Tipiw1（7）全部采样的灰度平均值 ：=w00+w11（8）两组间的方差 ：2（T）=w0（0-）2+w1（1-）2=w0w1（1-0）2（9）背景区类内方差 ：20（T）=T-1i=0（i-0）2pi/w0（10）目标区类内方差 ：21（T）=m-1i=T（i-1）2pi/w1（11）背景与目标出现的概率比 ：=w0w1（12）准则函数为 ：2（T）=
9、w0w1（1-0）2w020+w121w20（1-0）2w020+w121w0（1-0）2w020+w121w0（T）（1（T）-0（T）2w0（T）0（T）2+w1（T）1（T）2（13）从 1m-1 之间改变 T， 求使得上式达到最大值时的 T，即求 max2（T）时的 T* 值 ，此时 ，T* 便是阈值 。3 光斑坐标的计算3.1 单 个 光 斑 坐 标 计 算使用光斑进行工业测量常需要计算光斑的坐标 ，对于单个光斑 ，可以采用重心法计算其坐标 。 假设图像大小为 WH 像素 ，f（i，j）表示像素点 （i，j）处的灰度值 ，则采用重心法计算的光斑坐标公式如下 ：X=Wi=1Hj=1f（
10、i，j）iWi=1Hj=1f（i，j）（pixels），趤趲图 形 图 像现代计算机 2011.09Y=Wi=1Hj=1f（i，j）*（H-j）Wi=1Hj=1f（i，j）（pixels）对于二值的光斑图像 ，光斑区域为 1（白 ），背景区域为 0（黑 ），所以用此方法可准确地计算出光斑的坐标位置 。3.2 多 个 光 斑 坐 标 计 算对于多个光斑坐标的计算 ， 可以先采用连通区域标记的方法得到各个光斑区域 ， 再计算光斑坐标的方法 。在对图像进行阈值分割和二值化后的图像 f 中 ，有多个白色区域 ，要对这些区域进行标记 ，可以选择每个区域的白色点作为种子点 ，按照 8 邻域进行区域生长7，
11、从而生长标记出各个光斑区域 。 求得区域数目 ，并计算每个区域的重心坐标 。 由于形成的光斑图像可能存在很多较小的连通区域 ， 而这些小的连通区域是测量不需要的 ，所以可以计算出每个连通区域的面积 ，采用选择法将所有连通区域的面积从大到小排序 ， 选择前几个大的所需要的区域进行测量计算 。4 实验结果与分析使用 Visual C+6.0 实现大津阈值选取 、迭代法阈值选取 、人工阈值选取和本文提出的阈值选取方法 ，针对从实际中得到的大量图片进行试验 ， 列出了其中有代表性的五幅图片 ， 四种方法图像分割的结果如表 1所示 ，四种方法得到的阈值和所用的时间如表 2 所示 。实验中采用光斑大小不同
12、的五幅图片 ， 由以上两表可看出 ，大津法用的时间最短 ，但分割的结果是最不准确的 。 迭代法对于第三幅和第四幅图像的分割结果较准确 ，其他三幅图像分割结果和大津法类似 ，且用的时间最长 。 本文方法得到的阈值和人工选取的阈值最接近 ，能够将图像中的光斑准确地分割出来 ，所用的时间比大津法长 ，但比迭代法短 。表 1 四种方法的图像分割结果表 2 四种方法的阈值及运行时间趤趶图 形 图 像现代计算机 2011.09A Method of Thresholding Segmentation and Spot CenterCoordinates Calculation for Light Spot
13、-ImageHAN Ya-rong1,2,3, HUANG Chao-bing1, ZHONG Ji-wei2,3, WANG Xiang2,3（1. School of Information Engineering, Wuhan University of Technology, Wuhan 430070;2. Bridge Science Research Institute Co., Ltd., China Railway Major Bridge Engineering Group, Wuhan 430034;3. Hubei Key Laboratory of Bridge Str
14、ucture Safety and Health, Wuhan 430034）Keywords: Thresholding Segmentation; Variance; Coordinates of Light Spots; Connected Component LabelingIt is often asked to extract the regions of light spot from light spot-image, and calculate theircenter coordinates in industry measurement. The light spot-im
15、ages are characterized by darkandlarge background, bright and small target（spot）. Proposes a thresholding segmentation algorithmfor light spot-image, a method to calculate a single spot coordinates using center of gravity, andpresents a method to calculate the coordinates of multiple light spots usi
16、ng connected compo-nent labeling and sorting based on size of regions. Experimental result shows that the proposedmethod can obtain better performance of segmenting regions of light spot from light spot-imagethan other thresholding segmentation methods, and its result is closest to that of thresholdingsegmentation of artificial selection. The method can accurately calculate t
