14、灰度级分割方法详解

灰度级分割方法详解

1. 迭代选择阈值实验

进行了一个迭代选择阈值的实验，对图像以每个像素为中心的 21x21 重叠区域进行迭代选择阈值。每个区域找到的阈值仅用于该区域中心的像素，这样每个像素都有一个阈值。不过，图像外部会有一个 10 像素宽的边缘区域不进行阈值处理，后续会解决这个问题。

实验结果显示，该方法在处理天空图像和帕斯卡图像时，试图过度寻找目标像素，导致噪声像素被误分类为目标像素。原因在于阈值算法在应用于每个区域时，即使该区域只包含一类像素（背景或目标），也会尝试将像素分为目标和背景两类，从而在只有一类像素的区域创建出两类。因此，使用区域方法时，要确保每个区域都包含目标和背景像素的样本，或者在只有一类像素时不进行阈值处理。

2. Chow 和 Kaneko 方法

• 图像分割与直方图分析 ：将图像分割成 49 个重叠的 64x64 像素区域（适用于 256x256 像素图像），计算每个区域的直方图，并进行双峰性测试。双峰直方图意味着存在两类像素，两个峰值之间会有一个阈值。
• 高斯曲线拟合 ：对于双峰直方图，使用最小二乘法拟合一对高斯曲线，以更精确地定位两个峰值，为每个区域选择“最优”阈值。对于非双峰直方图的区域，从有双峰直方图的区域插值得到阈值，假设这些区域可能全是背景或全是目标，相邻区域的阈值即可满足需求。
• 像素级阈值插值 ：最后进行像素级的阈值插值，为图像中的每个像素分配一个阈值。该算法是区域阈值方法的基础，虽然最初用于增强心脏 X 射线图像的边界，但也是解决视觉问题的一个很