1.一种快速的含噪图像二维最大类间方差阈值法,其特征在于,包含如下步骤:步骤1,输入待分割含噪音图像F,用用f(i,j)表示原始图像在像素点(i,j)处的灰度值,M和N分别表示图像的高度和宽度,单位是像素,读取原始图像各个像素点的灰度值,统计图像每个灰度级Lk像素出现的频数Hk,这里k的取值范围是0到255;
步骤2,求出含噪图像F的灰度均值μ和灰度标准差D,公式为:
式中,M,N,Lk,Hk的定义同步骤1,k是循环变量;
步骤3,对图像每个像素采用设定邻域的平均灰度值进行平滑,得到平滑图像G;
步骤4,利用最大类间方差阈值法,将灰度级从 到 开始依次遍历获取平滑图像G的阈值TG,具体包括:
步骤4.1,读入平滑图像G,统计图像灰度级a像素出现的频数fa,设分割阈值为TGx,目标类像素点总数为n0,背景类的像素点总数为n1,目标类和背景类的点占图像比例分别为w0,w1,目标类和背景类的灰度均值分别为u0,u1,总的灰度均值为uG,求解公式如下:
uG=w0×u0+w1×u1
上式中,a表示灰度级变量,fa表示灰度值为a的像素点的个数,目标类与背景类的类间方差为G(a):G(a)=w0(u0-uG)2+w1(u1-uG)2步骤4.2,将a从 开始依次遍历到 记录当G(a)的值最大时对应的a为平滑图像G的最优阈值TG,μ和D定义同步骤2;
步骤5 ,利用二维直方图Pij和二维最大类间方差阈值法,在二维空间]搜索最优阈值(S*,T*),D为步骤2中求得的含噪图像F的灰度标准差,TG为步骤4中求得的平滑图像G的一维阈值,使得二维最大类间方差最大时对应的阈值为最优二维阈值(S*,T*),具体包括;
步骤5.1统计噪音图像F的二维直方图Pij,公式如下,
fij为像素灰度值为i且3×3邻域平均灰度值为j的像素点的个数,M和N的定义同步骤1;
步骤5.2,设分割阈值为(s,t),将灰度值小于s且邻域灰度均值小于t的像素点划分为背景类;将灰度值大于s且邻域灰度均值大于t的像素点划分为目标类;统计目标类和背景类的像素点个数,计算目标类和背景类的灰度均值矢量μ0,μ1,全局的灰度均值矢量μT,求解公式为,
上式中,Pij定义同步骤5.1,T表示转置矩阵,计算目标类与背景类的离散度矩阵G(s,t)的公式为:
P0,P1分别为目标类像素和背景类像素占总像素数的比例,如下式,P0=∑(i>s且j>t)PijP1=∑(0<i<s且0<j<t)Pij计算两类的离散度矩阵的迹tr(G(s,t))公式为:tr(G(s,t))=P0[(μ0i-μTi)2+(μ0j-μTj)2]+P1[(μ1i-μTi)2+(μ1j-μTj)2]
μ0i,μ0j,μ1i,μ1j,μTi,μTj是步骤5.2中灰度均值向量μ0,μ1,μT的分量;
定义tr(G(s,t))的解的搜索空间为 D为步骤2中求得的噪音图像F的灰度标准差,TG为步骤4中求得的平滑图像G的一维阈值,且s和t的取值范围均为0到255,将(s,t)从 开始依次遍历到 当tr(G(s,t))的值最大时对应的(s,t)为最优二维阈值(S*,T*);
步骤6,利用最佳阈值(S*,T*),对原始图像进行分割并输出。
2.如权利要求1所述的一种快速的含噪图像二维最大类间方差阈值法,其特征在于,所述步骤2求出含噪图像F的灰度均值μ和灰度标准差D的公式为,
式中,M,N,Lk,Hk的定义同步骤1,k是循环变量。
3.如权利要求1所述的一种快速的含噪图像二维最大类间方差阈值法,其特征在于,所述步骤6利用最佳阈值(S*,T*),对原始图像进行分割,按如下方式进行:将图像F灰度值大于S*且设定邻域灰度均值大于T*的像素点的灰度值重置为n,将其余像素点的灰度值重置为m,且n和m为0至255的任意整数,且n不等于m。