何旭　王田田　蘇子璇

摘 要：針對苗期農(nóng)業(yè)圖像的特點，提出了一種改進的Otsu閾值分割方法。使用2g-r-b方法對圖像實行灰度化，再應(yīng)用改進的判別函數(shù)選擇分割閾值，以得到最優(yōu)的分割結(jié)果。通過對分割結(jié)果的試驗分析，驗證了改進的Otsu法的有效性。

關(guān)鍵詞：圖像分割；Otsu法；農(nóng)業(yè)圖像；分割評價

中圖分類號：TP391.4 文獻標(biāo)識碼：A DOI：10.11974/nyyjs.20160432002

引言

圖像分割是數(shù)字圖像處理技術(shù)中一項非常關(guān)鍵的技術(shù)之一，它是對圖像進行分析識別等處理的前提。閾值分割方法由于其簡單、實時性好而得到了廣泛應(yīng)用。依據(jù)對圖像采用閾值的個數(shù)可分為全局閾值方法和局部閾值方法[1]。但是圖像分割仍然是一個具有挑戰(zhàn)性的研究領(lǐng)域。針對農(nóng)業(yè)圖像中目標(biāo)和背景分布的復(fù)雜性，本文在原始o(jì)tsu算法基礎(chǔ)上，提出了一種改進的Otsu分割方法，在圖像的基本信息不變的情況下，給出了一種新的分割閾值判別函數(shù)。實驗結(jié)果表明，改進的算法比傳統(tǒng)的Otsu閾值分割法能夠獲得更好的分割效果。

1 材料與方法

1.1 試驗材料與設(shè)備

本研究所使用的圖像均在石河子大學(xué)農(nóng)學(xué)院試驗站（N45°19'，E86°03'）采集。采集時間為2015年4月下旬～5月中旬，累計1個月時間。為了方便研究，統(tǒng)一調(diào)整圖片大小為640×480。圖像處理由PC機完成，配置為：處理器Inter（R） Core（TM） CPU@2.60GHz，內(nèi)存4GB，在Matlab R2008a 軟件平臺上運行。

1.2 改進otsu圖像分割算法

根據(jù)農(nóng)田圖像自身的特點，為了克服光照變化和陰影的影響，首先采用歸一化的2g-r-b算法[2]對圖像進行灰度化處理。

最大類間方差法[3，4]（Otsu法）是在判決分析的基礎(chǔ)上推導(dǎo)出來的，它不需要其它的先驗知識，主要根據(jù)圖像的一維直方圖，將目標(biāo)和背景的最大類間方差作為閾值選擇標(biāo)準(zhǔn)，抗干擾能力強。其基本思想如下：設(shè)灰度圖像的灰度級（），處在灰度級i的像素個數(shù)用ni表示，總的像素用N表示，Pi表示圖像中灰度級為i出現(xiàn)的概率，定義為

將圖像中的像素按灰度級用閾值t劃分為2類，即C0和C1。，，則2類出現(xiàn)的概率分別為：

讓從[0，L-1]依次取值，當(dāng)最大時對應(yīng)的值即為Otsu算法的最佳閾值。

根據(jù)類間方差的定義，即（3）式可知，傳統(tǒng)的 Otsu 法只考慮背景和目標(biāo)之間的方差，卻忽略了不同區(qū)域像素中包含的分類信息，對噪聲較為敏感。當(dāng)圖像的灰度直方圖沒有呈現(xiàn)雙峰狀時，分割效果就不太令人滿意。為了更全面地反映分類的好壞，降低噪聲對分割結(jié)果的影響，在充分考慮目標(biāo)類和背景類二者之間分離性以及各自的類均值這2個因素后，定義新的閾值判別函數(shù)為：

該分類函數(shù)不僅考慮了類間的方差，還綜合考慮了各類之間的權(quán)重與灰度均值，當(dāng)在[0，L-1]之間變化時，該閾值函數(shù)能使目標(biāo)和背景最大程度的分開，達到有效分割圖像的目的。

2 試驗結(jié)果與分析

為驗證改進算法的有效性，采用自然光照環(huán)境下采集的田間作物圖像進行測試。圖1（a）是在大田環(huán)境下采集的雜草圖像，該圖像部分葉片重疊，還存在枯草、大塊土壤等復(fù)雜背景。圖1（b）是Otsu方法分割得到的結(jié)果，通過觀察發(fā)現(xiàn)，該算法對葉片分割較粗糙，有很多細節(jié)沒有分割完全，背景存在大量過分割。圖1（c）是改進算法分割結(jié)果，可以發(fā)現(xiàn)其結(jié)果明顯優(yōu)于傳統(tǒng)Otsu方法分割結(jié)果。葉片分割和背景較完整，幾乎不存在誤分割。

3 結(jié) 論

針對苗期農(nóng)作物圖像噪聲大，背景復(fù)雜的特點，在分析otsu算法機理的基礎(chǔ)上，提出一種新的閾值判別函數(shù)，試驗證實新的判別函數(shù)對圖像分割與傳統(tǒng)otsu算法分割結(jié)果相比有明顯改進。

參考文獻

[1] 倪麟.基于Otsu理論的圖像分割算法的研究[D].重慶大學(xué)，2013.

[2] 胡波，毛罕平，張艷誠.基于二維直方圖的雜草圖像分割算法[J].農(nóng)業(yè)機械學(xué)報，2007，38（4）：199-202.

[3] Ohtsu N. A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems Man and Cybernetics， 1979， 9（1）：62-66.

[4] 王磊，多維Otsu方法在圖像分割中的研究[D].山東：山東師范大學(xué)，2009.

作者簡介：何旭（1992-），男，學(xué)士，主要從事農(nóng)業(yè)圖像處理研究。