專利名稱：一種基于生物視覺的二值圖像自動閾值方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機圖像處理、醫(yī)學(xué)圖像處理領(lǐng)域，具體來講是一種基于生物視覺的二值圖像自動閾值方法。
背景技術(shù)：
圖像分割是圖像分析和計算機視覺科學(xué)中最基本也是最困難的技術(shù)之一，它是基于同一物體內(nèi)部某特征的相似性以及不同物體之間該特征的相異性將數(shù)字圖像分成不相交(不重疊)的各個區(qū)域的過程。特征的選取可以使用灰度、形狀因子、紋理等等。圖像分割的方法很多，經(jīng)典的基于象素直方圖的閾值分割法，基于鄰域的區(qū)域生長法等。近年來還不斷涌現(xiàn)出了許多新的方法如基于小波分析和變換的分割技術(shù)，基于數(shù)學(xué)形態(tài)學(xué)的分割技術(shù)等等?！?br> 自動閾值用于將灰度圖像的背景和目標進行分離，在實際圖像中，圖像目標和背景之間并不具備截然不同的灰度，因此閾值的選擇非常重要，直接影響分割的精度以及圖像處理的正確性。以往的圖像分割方法大都依據(jù)復(fù)雜的數(shù)學(xué)理論和繁瑣的計算過程，從而導(dǎo)致計算機處理時需要進行海量的計算，耗費大量的時間，不能達到實時處理的能力，而且大多數(shù)情況下還得不到理想的結(jié)果，尤其是醫(yī)學(xué)圖像實時分析的難題。

發(fā)明內(nèi)容
本發(fā)明的目的在于在此提供一種基于生物視覺的二值圖像自動閾值方法，該方法能夠解決目前在圖像分割算法中出現(xiàn)的耗時、分割效果不明顯，解決了醫(yī)學(xué)圖像實時分析的難題。本方法主要利用當前CPU執(zhí)行最快的“加法指令”和“對比指令”完成對二值圖像閾值的獲取，支持不規(guī)則離散的直方圖，具備運行高速穩(wěn)定，思路簡潔。本發(fā)明是這樣實現(xiàn)的，構(gòu)造一種基于生物視覺的二值圖像自動閾值方法，其特征在于此方法具體實施如下
第一步申請一個長度為256的整形數(shù)組a，將灰度圖像直方圖各個灰度級對應(yīng)的像素點數(shù)按灰度級遞增順序存入數(shù)組a中；
第二步再申請一個長為256的整形數(shù)組b，將a數(shù)組相鄰元素之差Λ，依次存入數(shù)組b中；
第三步從數(shù)組b中尋找出Λ連續(xù)為非負的最長的兩個區(qū)段，記錄下段尾在數(shù)組b中的索引值，
設(shè)定一個長度n，當出現(xiàn)某一 Λ為負，而其前后η范圍內(nèi)Λ都為正，則將當前Λ忽略為O ;
第四步根據(jù)第三步中已經(jīng)得到的兩個段尾索引，求得數(shù)組b中對應(yīng)于兩個索引值之間值最小的元素的索引值，該索引值即為所求的分割閾值。本發(fā)明采用了基于生物視覺一種簡單的適合醫(yī)學(xué)圖像分割的自動閾值方法，也就是說在人們看見兩個波峰，中間有一個凹谷的時候，要尋找谷底這個點，那么人們首先會通過對比，找到兩個波峰點，然后在波峰點之間找到波谷。算法采用了計算機執(zhí)行速度最快的加法指令和比較指令，使得該方法計算量小、計算速度快、得到結(jié)果迅速，在醫(yī)學(xué)圖像細胞分割方面的效果非常好。本發(fā)明的有益效果在于該方法能夠解決目前在圖像分割算法中出現(xiàn)的耗時、分割效果不明顯，能夠解決醫(yī)學(xué)圖像實時分析的難題，在醫(yī)學(xué)圖像細胞分割過程中，速度非常迅速，效果非常好，達到了實時處理的能力。對于一幅尺寸為768x576的灰度圖像，分割時間在IOms以內(nèi)。


圖I是本發(fā)明流程示意圖。圖2是描述該方法的數(shù)學(xué)理論基礎(chǔ)直觀示意圖。圖3是實驗對應(yīng)分割原圖?！D4是分割效果圖。
具體實施例方式本發(fā)明提供一種基于生物視覺的二值圖像自動閾值方法，本發(fā)明主要解決了目前在圖像分割算法中出現(xiàn)的耗時、分割效果不明顯，解決了醫(yī)學(xué)圖像實時分析的難題。本方法主要利用當前CPU執(zhí)行最快的“加法指令”和“對比指令”完成對二值圖像閾值的獲取，支持不規(guī)則離散的直方圖，具備運行高速穩(wěn)定，思路簡潔。如下圖2所示，我們的目標是在只知道f(x)的值的情況下，用一種快速準確的方法尋找函數(shù)中的最低點。人眼通過對比便知道最低點是c點，我們的算法也正是利用了這個特點。算法的數(shù)學(xué)理論闡述如下
第一步函數(shù)在區(qū)間[α， ]上，函數(shù)遞增，即對于任意的X1而E[a,b]且X1^2,函數(shù)
恒有/(X1) /(.X2) , BP/( )-/(^1) >0,即存在一定大的區(qū)域內(nèi)有函數(shù)值之差恒大
于等于O。第二步同理，函數(shù)在區(qū)間上同樣存若
X3<七 εΜ]，/ο /即/ω-/⑷ >0，即存在一定大的區(qū)域內(nèi)有函
數(shù)值之差恒大于等于O。第三步由第一步和第二步可以尋找到兩個波峰頂點,那么下面只需要在[b,d]區(qū)間內(nèi)尋找到最小值點，即e點。本發(fā)明所述基于生物視覺的二值圖像自動閾值方法，采用如下方式實現(xiàn)；如圖I所示；此方法具體實施如下
第一步申請一個長度為256的整形數(shù)組a，將灰度圖像直方圖各個灰度級對應(yīng)的像素點數(shù)按灰度級遞增順序存入數(shù)組a中。第二步再申請一個長為256的整形數(shù)組b，將a數(shù)組相鄰元素之差Λ，依次存入數(shù)組b中。第三步從數(shù)組b中尋找出Λ連續(xù)為非負的最長的兩個區(qū)段，記錄下段尾在數(shù)組b中的索引值；(設(shè)定一個長度η，當出現(xiàn)某一 Λ為負，而其前后η范圍內(nèi)Λ都為正，則將當前Λ忽略為O);此處為何這樣設(shè)計的原因在于我們得到的圖像的灰度直方圖在某一區(qū)間上不可能是連續(xù)遞增，即隨橫軸的增加后一時刻縱軸的值不可能總是大于橫軸前一時刻所對應(yīng)的縱軸的值，這在數(shù)學(xué)上叫做單調(diào)遞增，由于存在這樣的小的波動，我們加入了后面的處理過程，即設(shè)定一個長度η，當出現(xiàn)某一 Λ為負，而其前后η范圍內(nèi)Λ都為正，則將當前Δ忽略為O ;這樣就可以排除由于直方圖波動而造成閾值選擇錯誤的可能，從而保證了分割的正確性。第四步根據(jù)第三步中已經(jīng)得到的兩個段尾索引，求得數(shù)組b中對應(yīng)于兩個索引值之間值最小的元素的索引值，該索引值即為所求的分割閾值。經(jīng)過實驗表明，對于一幅尺寸為768x576的灰度圖像，在一臺CPU為IntelT5750，操作系統(tǒng)為WindowsXP,編譯環(huán)境為VS2010，執(zhí)行圖像分割時間為8MS，完全達到了 實時處理的能力，分割原圖如圖3所示、分割效果圖如圖4所示。
權(quán)利要求
1.一種基于生物視覺的二值圖像自動閾值方法，其特征在于此方法具體實施如下 第一步申請一個長度為256的整形數(shù)組a，將灰度圖像直方圖各個灰度級對應(yīng)的像素點數(shù)按灰度級遞增順序存入數(shù)組a中； 第二步再申請一個長為256的整形數(shù)組b，將a數(shù)組相鄰元素之差Λ，依次存入數(shù)組b中； 第三步從數(shù)組b中尋找出Λ連續(xù)為非負的最長的兩個區(qū)段，記錄下段尾分別在數(shù)組b中的索引值， 設(shè)定一個長度n，當出現(xiàn)某一 Λ為負，而其前后η范圍內(nèi)Λ都為正，則將當前Λ忽略為O ; 第四步根據(jù)第三步中已經(jīng)得到的兩個段尾索引，求得數(shù)組b中對應(yīng)于兩個索引值之間值最小的元素的索引值，該索引值即為所求的分割閾值。
全文摘要
本發(fā)明提供一種基于生物視覺的二值圖像自動閾值方法，其特征在于此方法具體實施如下第一步申請一個長度為256的整形數(shù)組a，將灰度圖像直方圖各個灰度級對應(yīng)的像素點數(shù)按灰度級遞增順序存入數(shù)組a中；第二步再申請一個長為256的整形數(shù)組b，將a數(shù)組相鄰元素之差Δ，依次存入數(shù)組b中；第三步從數(shù)組b中尋找出Δ連續(xù)為非負的最長的兩個區(qū)段，記錄下段尾在數(shù)組b中的索引值；第四步根據(jù)第三步中已經(jīng)得到的兩個段尾索引，求得數(shù)組b中對應(yīng)于兩個索引值之間值最小的元素的索引值，該索引值即為所求的分割閾值。本發(fā)明在醫(yī)學(xué)圖像細胞分割過程中，速度非常迅速，效果非常好，達到了實時處理的能力。
文檔編號G06T7/00GK102915538SQ201210346068
公開日2013年2月6日 申請日期2012年9月18日 優(yōu)先權(quán)日2012年9月18日
發(fā)明者曲建明 申請人:成都金盤電子科大多媒體技術(shù)有限公司