论文部分内容阅读
摘要 根据LED芯片图像的区域特性，应用Otsu双阈值和基于直方图势函数标记的分水岭分割方法对LED图像进行分割。实验结果表明，分水岭分割较Otsu双阈值分割效果更好。
关键词 LED；Otsu双阈值；分水岭分割
中图分类号 TP391 文献标识码 A 文章编号 1673-9671-（2012）102-0160-01
在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分常称为目标或前景，其他部分称为背景，它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将它们分离提取出来。
LED芯片图像主要表现为含噪背景、芯片片基、电极三层景物，芯片片基区域和电极区域是感兴趣区域，图像分割目的是获取这两类区域的信息。本文在对比研究各种区域分割方法基础上，改进了标记分水岭变换算法，将直方图势函数用于标记提取，取得了一定效果。并对比分析了适合三层景物特征图像分割的Otsu双阈值分割方法，结果表明基于直方图势函数标记的分水岭分割方法效果更佳。最后并在标记分水岭分割基础上进行了特征提取实验与分析。
1 图像分割概述
图像分割是按选定的一致属性准则，将图像正确划分为互不交迭的区域的过程。在计算机视觉中，图像分割是连接低级视觉和高级视觉的桥梁和纽带，图像分割的结果既取决于低级视觉中各种预处理的效果，又决定了高级视觉中的各种应用中最终输出的质量。因此，图像分割是大多数视觉系统中最为关键和重要的一个环节，是图像理解和图像识别的前提和基础。
2 基于阈值的图像分割
图像阈值化主要适用于目标和背景灰度值分布概率密度具有区分度的图像。其根据是与现实景物相对应的邻接区域灰度分布具有一致属性，其目的是按照灰度级对像素进行划分得到目标景物区域。利用阈值对图像进行分割，核心问题就是如何选择恰当的阈值将目标物体和背景区分开来。其中，最常用的方法是从图像的灰度直方图出发，通过计算直方图的峰值和谷值来确定阈值，每个峰对应一个区域。或者计算各个灰度级的概率密度分布，再依据某一准则选取一个或多个合适的阈值，以确定每个像素点的归属。选择的准则不同，得到的阈值化算法就不同。
此类方法由于实现的直观性和简单性，其研究一直是图像处理技术中的一个热点问题。目前常见的阈值选取方法有P-tile法、双峰法、Otsu法、最小错误法与最大熵法等。Otsu阈值分割法是在判决分析最小二乘法原理的基础上推导得出的，该法的基本思路是：选取的最佳阈值应当使得不同类间分离性最好。Otsu法选择方差作为确定最佳阈值的依据，因方差是灰度分布均匀性的一种度量，方差越大，说明构成图像的两部分差别越大，当部分目标误分为背景或部分背景误分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。
3 基于分水岭思想的图像分割
分水岭算法是一种新近发展起来的数学形态学图像分割方法，基于区域特性，将边缘检测与区域生长法的优点结合起来，可得到单像素宽的、连通的、封闭的及位置准确的轮廓。与阈值方法不同，这类方法不但考虑了像素的相似性，还考虑了空间上的邻接性，因此可以有效消除孤立噪声的干扰，具有很强的鲁棒性。
从图像理论可知，处于直方图各峰附近的像素一般位于目标（包括背景） 的内部，其梯度值较小，是梯度图中比较平坦的极小值区域，如果把属于不同峰顶的这部分像素赋予不同的标记，那么也就正确标记出了目标；再以这些标记点作为极小值点，来对梯度图进行水域变换，即可对图像做出正确分割。有了以上定义及分析，就可以对图像进行标记提取了。
4 区域图像分割实验与分析
采用Otsu双阈值和基于直方图势函数标记的分水岭分割方法对LED芯片图像分割，并对比其结果。表1描述了图像分割结果PAMC对比，表中，基于直方图势函数标记的分水岭分割算法面积误分率低，在图像中表现为片基与背景区域混叠较少，片基内部不会出现误判为背景的区域。
LED 芯片图像经Otsu双阈值法分割结果中，电极、片基、背景区域被良好分割，但背景区域和片基区域存在较多相互误判的杂斑。利用直方图势函数对LED芯片图像进行标记提取，电极区域标记全部击中，片基与背景区域存在部分混叠现象。在标记基础上对Canny 梯度进行分水岭变换。经势函数标记的分水岭分割，抑制了分水岭变换的过分割现象，抗噪效果较好，目标内部连通性好，区域边缘较光滑。
5 小结
本文对比分析了Otsu 双阈值与基于标记的分水岭分割算法对LED芯片图像的分割效果。Otsu 双阈值分割结果其片基与背景区域存在部分混叠现象，片基区域内部含有误判为背景的区域。标记分水岭分割方法采用直方图多阶势函数自动衰减实现标记提取，在标记基础上的分割结果能够将电极、片基和背景区域分离，片基内部不会出现误判为背景的区域。
阈值分割的优点是方法算法简单、容易实现。在直方图表现为没有明显峰值，或者宽平谷值的图像来说，这个方法没有效果。分水岭算法所得物体轮廓线封闭，但存在过分割现象，对分水岭算法的研究着重在于过分割问题的处理。基于直方图势函数标记的分水岭分割算法在LED芯片图像中较好的抑制了过分割现象，能够得到准确的分割结果，其感兴趣区域提取准确，边缘较光滑，能够为LED芯片图像的特征提取服务。
参考文献
[1]张永军.基于序列图像的视觉检测理论与方法[M].武昌：武汉大学出版社，2008，12.
[2]孙慧，周红霞，李朝晖.图象处理中边缘检测技术的研究[J].电脑开发与应用，2002，7（9）：7-9.
[3]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.
[4]付忠良.图像阈值选取方法—Otsu方法的推广[J].计算机应用，2000，20（5）：37-39.
关键词 LED；Otsu双阈值；分水岭分割
中图分类号 TP391 文献标识码 A 文章编号 1673-9671-（2012）102-0160-01
在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分常称为目标或前景，其他部分称为背景，它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将它们分离提取出来。
LED芯片图像主要表现为含噪背景、芯片片基、电极三层景物，芯片片基区域和电极区域是感兴趣区域，图像分割目的是获取这两类区域的信息。本文在对比研究各种区域分割方法基础上，改进了标记分水岭变换算法，将直方图势函数用于标记提取，取得了一定效果。并对比分析了适合三层景物特征图像分割的Otsu双阈值分割方法，结果表明基于直方图势函数标记的分水岭分割方法效果更佳。最后并在标记分水岭分割基础上进行了特征提取实验与分析。
1 图像分割概述
图像分割是按选定的一致属性准则，将图像正确划分为互不交迭的区域的过程。在计算机视觉中，图像分割是连接低级视觉和高级视觉的桥梁和纽带，图像分割的结果既取决于低级视觉中各种预处理的效果，又决定了高级视觉中的各种应用中最终输出的质量。因此，图像分割是大多数视觉系统中最为关键和重要的一个环节，是图像理解和图像识别的前提和基础。
2 基于阈值的图像分割
图像阈值化主要适用于目标和背景灰度值分布概率密度具有区分度的图像。其根据是与现实景物相对应的邻接区域灰度分布具有一致属性，其目的是按照灰度级对像素进行划分得到目标景物区域。利用阈值对图像进行分割，核心问题就是如何选择恰当的阈值将目标物体和背景区分开来。其中，最常用的方法是从图像的灰度直方图出发，通过计算直方图的峰值和谷值来确定阈值，每个峰对应一个区域。或者计算各个灰度级的概率密度分布，再依据某一准则选取一个或多个合适的阈值，以确定每个像素点的归属。选择的准则不同，得到的阈值化算法就不同。
此类方法由于实现的直观性和简单性，其研究一直是图像处理技术中的一个热点问题。目前常见的阈值选取方法有P-tile法、双峰法、Otsu法、最小错误法与最大熵法等。Otsu阈值分割法是在判决分析最小二乘法原理的基础上推导得出的，该法的基本思路是：选取的最佳阈值应当使得不同类间分离性最好。Otsu法选择方差作为确定最佳阈值的依据，因方差是灰度分布均匀性的一种度量，方差越大，说明构成图像的两部分差别越大，当部分目标误分为背景或部分背景误分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。
3 基于分水岭思想的图像分割
分水岭算法是一种新近发展起来的数学形态学图像分割方法，基于区域特性，将边缘检测与区域生长法的优点结合起来，可得到单像素宽的、连通的、封闭的及位置准确的轮廓。与阈值方法不同，这类方法不但考虑了像素的相似性，还考虑了空间上的邻接性，因此可以有效消除孤立噪声的干扰，具有很强的鲁棒性。
从图像理论可知，处于直方图各峰附近的像素一般位于目标（包括背景） 的内部，其梯度值较小，是梯度图中比较平坦的极小值区域，如果把属于不同峰顶的这部分像素赋予不同的标记，那么也就正确标记出了目标；再以这些标记点作为极小值点，来对梯度图进行水域变换，即可对图像做出正确分割。有了以上定义及分析，就可以对图像进行标记提取了。
4 区域图像分割实验与分析
采用Otsu双阈值和基于直方图势函数标记的分水岭分割方法对LED芯片图像分割，并对比其结果。表1描述了图像分割结果PAMC对比，表中，基于直方图势函数标记的分水岭分割算法面积误分率低，在图像中表现为片基与背景区域混叠较少，片基内部不会出现误判为背景的区域。
LED 芯片图像经Otsu双阈值法分割结果中，电极、片基、背景区域被良好分割，但背景区域和片基区域存在较多相互误判的杂斑。利用直方图势函数对LED芯片图像进行标记提取，电极区域标记全部击中，片基与背景区域存在部分混叠现象。在标记基础上对Canny 梯度进行分水岭变换。经势函数标记的分水岭分割，抑制了分水岭变换的过分割现象，抗噪效果较好，目标内部连通性好，区域边缘较光滑。
5 小结
本文对比分析了Otsu 双阈值与基于标记的分水岭分割算法对LED芯片图像的分割效果。Otsu 双阈值分割结果其片基与背景区域存在部分混叠现象，片基区域内部含有误判为背景的区域。标记分水岭分割方法采用直方图多阶势函数自动衰减实现标记提取，在标记基础上的分割结果能够将电极、片基和背景区域分离，片基内部不会出现误判为背景的区域。
阈值分割的优点是方法算法简单、容易实现。在直方图表现为没有明显峰值，或者宽平谷值的图像来说，这个方法没有效果。分水岭算法所得物体轮廓线封闭，但存在过分割现象，对分水岭算法的研究着重在于过分割问题的处理。基于直方图势函数标记的分水岭分割算法在LED芯片图像中较好的抑制了过分割现象，能够得到准确的分割结果，其感兴趣区域提取准确，边缘较光滑，能够为LED芯片图像的特征提取服务。
参考文献
[1]张永军.基于序列图像的视觉检测理论与方法[M].武昌：武汉大学出版社，2008，12.
[2]孙慧，周红霞，李朝晖.图象处理中边缘检测技术的研究[J].电脑开发与应用，2002，7（9）：7-9.
[3]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.
[4]付忠良.图像阈值选取方法—Otsu方法的推广[J].计算机应用，2000，20（5）：37-39.