基于形态学与二维Otsu相结合的红外图像分割方法

李欣

（武汉科技大学 信息科学与工程学院，湖北 武汉 430081）

在对图像的研究和应用中，研究人员有时候仅希望对一些特定的区域进行研究，这些特定的区域一般被称为目标或前景（其他部分称为背景）[1]。图像分割就是把图像分成若干个构成它的子区域或对象并提出感兴趣目标的技术和过程，它是从图像处理进到图像分析的关键步骤，也是进行图像理解的基础。多年来，对图像分割的研究一直是图像技术研究中的热点，尽管人们在图像分割方面做了许多研究工作，但由于尚无通用分割理论，因此现已提出的分割算法大都是针对具体问题的，并没有一种适合于所有图像的通用的分割算法。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等[2-3]。

红外图像一般来自于物体自身温度的热辐射，这使得其具有低对比度、低信噪比、边缘模糊的特点。图像的信噪比低，表现为像素灰度值动态范围不大，很少充满整个灰度级空间，而且绝大部分像素集中于某些相邻的灰度级范围[4]。在一幅红外图像中，其目标与背景的温度一般没有多大差别，这使得如果仅用阈值法对其分割时，一个准确的分割阈值并不好确定，特别是当目标特征微弱，而背景较复杂，噪声干扰较大时，怎样抑制背景和干扰将目标准确的分割出来，使后续的图像分析工作更准确，久成为红外图像分割的一个难题。本文提出了一种基于形态学与二维Otsu相结合的红外图像分割方法，先通过阈值分割对红外图像进行处理，再运用形态学的方法将图像的分割效果进行补充加强，实验表明，这种算法取得了较好的分割效果。

二维Otsu法是一种典型的自适应阈值算法，它是在一维Otsu的基础上发展而来的，它因其计算简单，分割效果较好，广泛的应用于图像分割之中。阈值算法的关键技术是阈值的选取，最大类间方差法（即Otsu法）[5-6]一直被认为是阈值自动选取方法中很好的算法，该方法以目标和背景的类间方差最大为阈值选取准则，因其计算简单，快速有效，从而在图像分割中得到了广泛的应用。但是在实际使用中，由于大部分图像含有噪声，并且图像的灰度直方图不一定出现明显的波峰和波谷，因此，用一维Otsu法进行图像分割并不能得到较好的图像分割效果，往往还会产生严重的分割错误。对此，刘建庄等人将二维直方图引入到Otsu算法中。二维直方图即考虑了原始图像的灰度信息，又引入了像素点邻域的平均灰度即空间信息，有效的改善了图像分割效果。

文中提出运用形态学与二维Otsu法相结合的方法。先用二维Otsu法对红外图像进行分割，然后利用形态学的方法对二值图像进行腐蚀、膨胀处理，提取轮廓信息，得到细节完善的分割效果。

1 二维Otsu图像分割原理及分析

图1 图像的二维直方图区域划分Fig.1 Division of 2-d histogram

2 数学形态学与二维Otsu法的结合应用

数学形态学图像处理方法是建立在积分几何和随机集理论基础上的，通过进行膨胀、腐蚀两种数学形态学基本运算及其不同逻辑组合构成的开运算和闭运算，对图像进行处理，其对二值图像提供了较好的分析方法。数学形态学图像处理方法可以保留图像基本形状，去掉研究不感兴趣的无关细节，消除小孔洞，并使图像的轮廓更光滑。

设用A表示图像，B表示结构元素（B本身也是图像集合，A和B均为集合），形态学运算就是用B对A进行操作。数学形态学的基本运算有4种：膨胀（或扩张）、腐蚀（或侵蚀）、开启和闭合。

膨胀可弥补图像中的孔洞，它将可以将误分割出来的背景点合并目标中。其定义为：

腐蚀可使目标收缩，收缩的程度与结构元素的形状和大小有关。因此腐蚀操作常用来分开细小的粘连。其定义为：

开启是指先对图像进行腐蚀，然后膨胀其结果。它可以把比结构元素小的突刺滤掉，切断细长搭接而起到分离作用。其定义是：

闭合是指先对图像进行膨胀，然后腐蚀其结果。它可以把比结构元素小的缺口或孔填充上，时目标被割断的部分连通上。其定义是：

形态学法结合二维Otsu法对红外图像进行分割的主要步骤如下：

1）先读入一幅红外图像，将其转化为灰度图，如图2（a）所示，观察其一维图像峰值特性，如图2（b）所示，计算其图像灰度值以及利用公式（1）得到其邻域灰度信息，建立其二维灰度直方图，观察其特性。如图2（c）所示。

图2 实验图像及其直方图Fig.2 Experimental image and histogram

2）运用二维OTSU算法对原始灰度图进行分割，得到二值化图像。如图3（a）所示，得到其初步的分割结果。

3）运用形态学的方法对2）得到的图像进行区域填充，填充目标中被误分割出的部分，如图3（b）所示。

4）对2）分割后的图像进行边缘提取，得到图像的边缘信息，如图3（c）所示。

5）将3），4）所得的图像进行融合，得到运用本文方法所得到的分割最终结果，如图3（d）所示。

3 实验结果及分析

本文所用图片采集于高德红外热像仪。图像的分辨率为294×363，分辨率为106 722。图3（a）为运用二维Otsu方法得到的分割结果，可以看出此时分割出来的图像其边缘较模糊，并且分割出的目标内有未分割出的部分。图3（b）为运用形态学方法对图像进行填充，可以看出，目标基本被分割出来，但是因为应用膨胀，其边缘有一定的变形。如图3（c）所示，为原图的边缘信息，之后将图（b）和图（c）的结果进行融合，即得到本文所用方法的分割结果，如图3（d）。可以看出，通过运用本文所提出的基于形态学与二维Otsu的方法对红外图像进行分割，可以改进图像被误分割的部分，目标主体被很好的分割出来了，并且边缘信息较完整的保留下来了。

图3 形态学与二维Otsu法相结合的分割结果Fig.3 Segmentation based on the combination of morphological and two－dimensional Otsu method

4 结束语

文中通过将二维Otsu法与形态学相结合，既利用了二维Otsu法考虑了图像的灰度信息以及邻域空间信息的特点，又运用形态学的特点使分割的图像信息完整，得到较好的分割效果。这个方法因为分割时间较快速，也满足图像分割的实时性。这是对现有的红外图像分割方法的一种补充，但是在图像形态学处理部分，当对图像进行膨胀处理时，其结构元素的确定还需要进行进一步研究，已达到更快速精确的分割效果。

[1]王爱民，沈兰荪.图像分割研究综述[J].测控技术，2000，19（5）：1－6.WANG Ai-min，SHEN Lan-sun.Image segmentation research review[J].Journal of Measurement and Control Technology，2000，12（5）：1－6.

[2]夏良正.数字图像处理[M].南京：东南大学出版社，1999.

[3]章毓晋.图像分割[M].北京：科学出版社，2003.

[4]Chambolle A.An algorithm for total variaiton minimization and Applications[J].Journal of Mathemaitcal Imaging and Vision，2004，20（1/2）：89－97.

[5]韩思奇，王蕾.图像分割的阈值法综述[J].系统工程与电子技术，2002，24（6）：91－94.HAN Si-qi，WANG Lei.Review the threshold image segmentation method[J].Systems Engineering and Electronics，2002，24（6）：91－94.

[6]Otsu N.A threshold selection method from gray-level histogram[J].IEEE Transactions on Systems，Man and Cybemetics，1979，1（9）：62－68.