一種動態計算多色級二值化自適應閾值的方法及其系統與流程

本發明涉及一種圖像二值化處理方法，尤其涉及的是一種動態計算多色級二值化自適應閾值的方法及其系統。
背景技術：
：圖像二值化就是將圖像上的像素點的灰度值設置為0或255，也就是將整個圖像呈現出明顯的黑白效果。圖像的二值化有利于圖像的進一步處理，使圖像變得簡單，而且數據量減小，能凸顯出感興趣的目標的輪廓。傳統的二值化方法如/kittler算法，是一種快速的全局閾值法，或均值-直方圖法，其特征是整體二值化。對于多種灰度級的圖像難以顯示不同灰度級圖像的目標的輪廓，傳統的二值化方法的中心思想是，計算整幅圖像的梯度灰度的平均值，以此平均值做為閾值，可以應用在圖像質量不錯的環境。但在批量連續的圖像處理中，面對各種圖像存在多色級灰度色級的圖像等復雜情況時，使用單一的閾值所產生的二值化不能完整反映圖像的特征。傳統的二值化方法雖有針對全局和局部的，但他們評估閾值是否合適的標準或依據是灰度的平均值。而以單一的灰度平均值作為閾值的評估標準會有以下缺陷和弊端：1、灰度的平均值僅反映圖像的亮度或顏色的平均深淺程度，但不一定能直接反映出為使用者感興趣的圖像目標像素點及其所構成的輪廓特征。2、采用任一灰度的平均值必會對其他灰度值的像素點的二值化處理產生影響，造成像素點特征信息的遺漏。3、現有的圖像二值化處理方法，當出現圖像的灰度級較多時，傳統的圖像二值化處理方法難以找出為使用者感興趣的圖像目標像素點及其所構成的輪廓特征。如專利CN105118067A，名稱為：一種基于高斯平滑濾波的圖像分割方法，公開以下技術特征（參見全文）：步驟1、統計出N個紅外圖像直方圖的第一個波谷均值T0；以灰度級為直方圖橫坐標，每個灰度級出現的次數作為直方圖的縱坐標，統計出每個紅外圖像的灰度直方圖，找到灰度直方圖的第一個波谷的灰度值Troughi，并對所有第一個波谷的灰度值取平均記為T0；T0=ΣTroughi/N；步驟2、計算自適應分割閾值θ；2-1通過第一個波谷均值T0計算出加權函數Fwtd＝α(T1-T0)；其中T1為灰度值高于T0的統計平均值，具體的：，α為微調因子，0.9＜α＜1.1；2-2掃描所有灰度級，求出滿足類間方差最大化時的分割閾值θσ；2-3計算出自適應分割閾值θ＝θσ+Fwtd；步驟3、使用適應分割閾值θ對待分割圖像進行二值化處理；3-1掃描所有像素點，如果像素點的灰度級大于θ，則灰度級置為1，此時該像素點為前景目標疑似區域的像素點；如果像素點的灰度級小于等于θ，則灰度級置為0，此時該像素點為背景像素點，將此時的處理結果記為RSegmentation；步驟4、對RSegmentation進行水平投影積分和垂直投影積分分析，濾除面積較小的熱點干擾。該專利只公開了基于單一閾值的圖像二值化方法，無法解決單一閾值存在的缺陷和弊端。又如專利CN104952060A，名稱為：一種紅外行人感興趣區域自適應分割提取方法，包括以下技術特征（參見全文）：步驟4、采取是全局閾值法，在二值化過程中只使用一個全局閾值T的方法，它將圖像的每個像素的灰度值與T進行比較，若大于T，則取為前景色；否則，取為背景色；步驟5、將L個灰度級范圍內對應像素個數最多中心點P作為初始類均值μ1(1),μ2(2),…,μl(l)；步驟6、在第i次迭代時，考察每個像素，計算它與每個灰度級的均值之間的間距，即它與聚類中心的距離D，將每個像素賦均值距其最近的類，即D|xp-μl(i)|＝min{D|xp-μj(i)|,(j＝1,2,…l)}，D為兩個像素灰度值差小于定間距；xp(p＝0,1,…,255)為像素的灰度值；則為第i次迭代后賦給類j的像素集合；步驟7、對于j＝1,2,…l,計算新的聚類中心，更新類均值：μj(i+1)=1/NjΣx&Element;Qj(i)xp,式中，Nj是中的像素個數；步驟8、將所有像素逐個考察，如果j＝1,2,…K，有則算法收斂，結束；否則返回步驟6繼續下一次迭代；步驟9、以上聚類過程結束后，分割結果的各像素以聚類中心灰度值作為該類最終灰度。該專利也無法解決多色級的輸入圖像進行圖像二值化處理時像素點特征信息的遺漏問題。因此，現有技術還有待于改進和發展。技術實現要素：本發明的目的在于提供一種動態計算多色級二值化自適應閾值的方法及其系統，旨在解決多色級的輸入圖像進行圖像二值化處理時，使用傳統的方法難以克服像素點特征信息的遺漏問題，當出現圖像的灰度級較多時，傳統的圖像二值化處理方法難以找出為使用者感興趣的圖像目標像素點及其所構成的輪廓特征的缺陷。本發明的技術方案如下：一種動態計算多色級二值化自適應閾值的方法，其中，所述多色級為三個或三個以上色級，具體包括以下步驟：步驟S110：提取輸入圖像像素點的灰度值并獲取輸入圖像各相同或相近的色級的中心灰度值；步驟S120：根據所獲取色級的中心灰度值并按預設公式動態計算不同色級間的邊界灰度值作為相近色級二值化分割的閾值，以獲取多色級二值化自適應閾值。所述的動態計算多色級二值化自適應閾值的方法，其中，包括以下步驟：步驟S210：提取輸入圖像像素點的灰度值并對背景色級上像素點最集中的灰度值進行淺色處理，即對背景色級上像素點灰度值不是255或不是最大值的輸入圖像像素點灰度值做反色處理；步驟S220：分析輸入圖像像素點的灰度值與像素點數量的關系，獲取輸入圖像各相同或相近的色級的中心灰度值；步驟S230：根據所獲取色級的中心灰度值并按預設公式動態計算不同色級間的邊界灰度值作為相近色級二值化分割的閾值，以獲取多色級二值化自適應閾值。所述的動態計算多色級二值化自適應閾值的方法，其中，所述的相同或相近的色級指輸入圖像像素點的灰度值的屬性相同或相近的像素點集合；所述的相同或相近的色級的中心灰度值指灰度值的屬性相同或相近范圍內像素點數量最多或最集中的灰度值。所述的動態計算多色級二值化自適應閾值的方法，其中，所述的多色級二值化是指將輸入圖像上的所有像素點的灰度值設置為背景色級的灰度值設置為255，其他色級的灰度值設置為該色級的中心灰度值或將該色級圖像分割出來后設置為0。所述的動態計算多色級二值化自適應閾值的方法，其中，所述獲取輸入圖像各相同或相近的色級的中心灰度值，具體包括以下步驟：步驟S221：統計每一灰度值在輸入圖像中的像素點數，分析灰度值與像素點數量的關系；步驟S222：找出波峰灰度值；步驟S223：檢查步驟S222所獲取的波峰灰度值是否落入預設灰度長度的區間范圍且為最大的波峰灰度值預設波谷像素點數，將落入預設灰度長度區間范圍內最大的波峰灰度值且該波峰灰度值的像素點數大于預設波谷像素點數的波峰灰度值視為中心灰度值；步驟S224：將每一色級號所對應的中心灰度值記錄入數據組。所述的動態計算多色級二值化自適應閾值的方法，其中，預設灰度長度是指根據應用需求而預先設置的灰度值的相同或相近區間范圍參數，預設灰度長度包含該色級區間最小灰度值至最大灰度值的灰度值長度；預設波谷像素點數是指根據應用需求而預先設置的同一灰度值所應集中的像素點數的范圍參數。所述的動態計算多色級二值化自適應閾值的方法，其中，所述預設灰度長度的取值介于10至125之間，預設波谷像素點數的取值介于輸入圖像像素點總數的0.1%至10%之間。所述的動態計算多色級二值化自適應閾值的方法，其中，所述的動態計算獲取多色級二值化自適應閾值的預設公式包括：Tn=An·core+（Bn·core-An·core）/2其中，Tn表示除背景色級外第n個色級的自適應二值化閾值，An·core表示除背景色級外第n個色級的中心灰度值，Bn·core表示除背景色級外第n個色級的上一級中心灰度值。一種采用如上述任一項所述的動態計算多色級二值化自適應閾值的方法的系統，其中，包括：提取灰度值模塊，用于提取輸入圖像像素點的灰度值；獲取色級中心灰度值模塊，用于通過統計分析輸入圖像灰度值與像素點數量的關系，獲取輸入圖像各相同或相近的色級的中心灰度值；計算獲取多色級二值化自適應閾值模塊，用于按預設公式動態計算獲取多色級二值化自適應閾值。所述的動態計算多色級二值化自適應閾值的系統，其中，包括：提取灰度值模塊，用于提取輸入圖像像素點的灰度值；反色處理模塊，并對邊線上像素點最集中的灰度值不是255或最大值的輸入圖像像素點灰度值做反色處理；獲取色級中心灰度值模塊，用于通過統計分析輸入圖像灰度值與像素點數量的關系，獲取輸入圖像各相同或相近的色級的中心灰度值；計算獲取多色級二值化自適應閾值模塊，用于按預設公式動態計算獲取多色級二值化自適應閾值。本發明的有益效果：本發明通過提供一種動態計算多色級二值化自適應閾值的方法及其系統，通過統計每一灰度值在輸入圖像中的像素點數，分析灰度值與像素點數量的關系，找出波峰灰度值，將落入預設灰度長度區間范圍內最大的波峰灰度值且該波峰灰度值的像素點數大于預設波谷像素點數的波峰灰度值視為中心灰度值，再將所獲取色級的中心灰度值并按預設公式動態計算不同色級間的邊界灰度值作為相近色級二值化分割的閾值，從而得到多色級的二值化自適應閾值。利用本發明所述的多色級的二值化自適應閾值，能夠有效多色級（即三個或三個以上色級）的輸入圖像進行圖像二值化處理時，使用傳統的方法難以克服像素點特征信息的遺漏問題，使用單一的閾值所產生的二值化方法難以克服像素點特征信息的遺漏問題，當出現圖像的灰度級較多時，仍能有效找出為使用者感興趣的圖像目標像素點及其所構成的輪廓特征，提高多色級輸入圖像的二值化處理效果。附圖說明圖1是本發明中一種動態計算多色級二值化自適應閾值的方法的流程示意圖一。圖2是本發明中一種動態計算多色級二值化自適應閾值的方法的流程示意圖二。圖3a是隨機給出示例性的圖像原圖1。圖3b是隨機給出示例性的圖像原圖2。圖3c是隨機給出示例性的圖像原圖3。圖4是圖3a示例性圖像像素點的灰度值統計表。圖5是圖3a示例性圖像灰度值與像素點數量的關系統計表。圖6是圖3a示例性圖像灰度值與像素點數量的關系統計圖。圖7是圖3a示例性圖像的組合多色級二值化圖。圖8a至圖8d是圖3a示例性圖像的分割多色級二值化圖。圖9是圖3b示例性圖像的組合多色級二值化圖。圖10a至圖10b是圖3b示例性圖像的分割多色級二值化圖。圖11是本發明中一種動態計算多色級二值化自適應閾值的系統的結構示意圖一。圖12是本發明中一種動態計算多色級二值化自適應閾值的系統的結構示意圖二。具體實施方式為使本發明的目的、技術方案及優點更加清楚、明確，以下參照附圖并舉實施例對本發明進一步詳細說明。如圖1所示，一種動態計算多色級二值化自適應閾值的方法，具體包括以下步驟：步驟S110：提取輸入圖像像素點的灰度值并獲取輸入圖像各相同或相近的色級的中心灰度值；步驟S120：根據所獲取色級的中心灰度值并按預設公式動態計算不同色級間的邊界灰度值作為相近色級二值化分割的閾值，以獲取多色級二值化自適應閾值。如圖2所示，對于一些需要做反色處理的圖像，一種動態計算多色級二值化自適應閾值的方法包括以下步驟：步驟S210：提取輸入圖像像素點的灰度值并對背景色級上像素點最集中的灰度值進行淺色處理，即對背景色級上像素點灰度值不是255或不是最大值的輸入圖像像素點灰度值做反色處理；步驟S220：分析輸入圖像像素點的灰度值與像素點數量的關系，獲取輸入圖像各相同或相近的色級的中心灰度值；步驟S230：根據所獲取色級的中心灰度值并按預設公式動態計算不同色級間的邊界灰度值作為相近色級二值化分割的閾值，以獲取多色級二值化自適應閾值。以下基于具體實施例對上述各步驟進行具體說明：第一步，提取輸入圖像像素點的灰度值。在實際應用中，通過電腦設備、有拍照功能的手機、照相機、攝像頭或其他有攝像或存儲圖像的設備獲取的輸入圖像，可用于本發明實施例的處理對象。圖3a和圖3b隨機給出若干圖像。這些圖像的原圖帶有三個或三個以上的不同灰度色級，均可作為本發明實施例的處理對象，即輸入圖像。每一輸入圖像都具灰度的特征，灰度值的范圍為0～255，表示亮度從深到淺，對應圖像中的顏色為從黑到白，每個像素值都是介于黑色和白色之間的256種灰度中的一種。運用已知的技術提取輸入圖像每一像素點的灰度值。圖4是圖3a示例性圖像局部像素點的灰度值統計表。第二步，對背景色級上像素點最集中的灰度值進行淺色處理。在實際應用中，根據應用需求可以對背景色級上像素點最集中的灰度值進行淺色處理，即對背景色級上像素點灰度值不是255或不是最大值的輸入圖像像素點灰度值做反色處理；也可以對背景色級上像素點灰度值不是255或不是最大值的輸入圖像像素點灰度值不做反色處理。在實際應用中，為了實現背景色級的標準化，一般情況下將輸入圖像的背景色統一設定為白色或最淺色，當然也可以將背景色設定為黑色或最深色。對背景色級上像素點灰度值不是255或不是最大值的輸入圖像像素點灰度值做反色處理的方法是：將原像素點的灰度值按如下公式的計算結果進行置換：反色后灰度值（或置換為的灰度值）=255-原灰度值經反色處理后，使輸入圖像的背景色保持為白色或最淺色。第三步，分析輸入圖像像素點的灰度值與像素點數量的關系，獲取輸入圖像各相同或相近的色級的中心灰度值。組成圖像的最基本單元要素是像素，每一個像素可以視為一個單元點，又稱像素點。像素點與像素點之間具有線段關系，在特定方向上有限個像素點的連線就是像素點線段。像素點線段的集合構成的圖像。每一像素點都具有灰度值的屬性，而相同或相近的色級一般通過灰度值屬性相同或相近的像素點集合所構成。我們將在屬性相同或相近范圍內像素點數量最多的灰度值稱為該相同或相近的色級的中心灰度值（中心灰度值是指在某一色級中最能代表該色級的灰度特征的灰度值，一般指灰度值的屬性相同或相近范圍的某一特定區域內像素點數量最多或最集中的灰度值），把灰度值的相同或相近區間范圍稱為灰度長度（灰度長度是指在某一色級中以中心灰度值為基點，不改變相同或相近屬性的灰度值的深淺變化范圍，包括該相同或相近的色級的最小灰度值至最大灰度值的灰度值變化長度）。通過統計分析輸入圖像灰度值與像素點數量的關系，可以獲取色級中心灰度值，具體步驟如下：步驟S221，統計每一灰度值在輸入圖像中的像素點數，分析灰度值與像素點數量的關系。統計輸入圖像每一灰度值的像素點數，產生每一灰度值與像素點數量的關系數據。圖5為圖3a示例性圖像灰度值與像素點數量的關系統計表。圖6為圖3a示例性圖像灰度值與像素點數量的關系統計圖。步驟S222，找出波峰灰度值。檢查比較每一灰度值與相鄰灰度值的像素點數，把比相鄰灰度值的像素點數都多的灰度值視為波峰灰度值，否則，不是波峰灰度值。如果左相鄰灰度值的像素點數與右相鄰灰度值的像素點數相等且比次相鄰灰度值的像素點數都多的該相鄰兩點或多點共同視為波峰灰度值，否則，不是波峰灰度值。步驟S223，將落入預設灰度長度和預設波谷像素點數的范圍的波峰灰度值視為中心灰度值。預設灰度長度是指根據應用需求而預先設置的灰度值的相同或相近區間范圍參數，包含本色級最小灰度值至本色級最大灰度值之間的灰度值長度，預設灰度長度的取值介于10至125之間；或以本色級中心灰度值為基點，一般本色級最小灰度值≦本色級中心灰度值-5，本色級最大灰度值≧+5的范圍內取值（如本色級中心灰度值為70，則本色級最小灰度值≦65，本色級最大灰度值≧75）。預設波谷像素點數是指根據應用需求而預先設置的同一灰度值所應集中的像素點數的范圍參數，預設波谷像素點數一般在小于圖像總像素點數的10%的范圍內取值，即預設波谷像素點數<圖像總像素點數*10%。檢查步驟S222所獲取的波峰灰度值是否落入預設灰度長度和預設波谷像素點數的范圍，將在預設灰度長度內且大于預設波谷像素點數的波峰灰度值視為中心灰度值。步驟S224，將每一色級號所對應的中心灰度值記錄入數據組。將所獲取的中心灰度值按灰度值的大小排序后進行編號，每一編號表示一個色級，將每一色級號所對應的中心灰度值作為數組進行記錄。表1列出了圖3a示例性圖像落入預設灰度長度為±10和預設波谷像素點數范圍為3%的色級號所對應的中心灰度值：色級號中心灰度值12552222312846450表1第四步，根據所獲取色級的中心灰度值并按預設公式動態計算不同色級間的邊界灰度值作為相近色級二值化分割的閾值，以獲取多色級二值化自適應閾值。具體地，傳統的圖像二值化實質就是指單一圖像的二值化，將輸入圖像上的所有像素點的灰度值設置為0或255，也就是將整個輸入圖像呈現出明顯的黑白效果。傳統的圖像二值化無法解決當出現輸入圖像存在多級灰度色級的圖像等復雜情況時使用單一的閾值所產生的二值化效果不能完整反映圖像的特征的難題。而采用多色級二值化自適應閾值能分別進行各色級的二值化，有效解決整圖使用單一的閾值所產生的二值化效果不能完整反映圖像的特征的難題。確定多色級二值化自適應閾值的關鍵是找出背景色級分別與其他多色級的分割閾值，即當將輸入圖像上的背景色級的灰度值設置為255，而其他色級灰度值則設置為該色級中心灰度值為0或將該色級圖像分割出來后設置為0，也就是將整個輸入圖像呈現出明顯的色級分割鮮明的效果。一般情況下，最大中心灰度值（即：255的灰度值或最接近255的灰度值）為背景色級的中心灰度值。背景色級分別與其他多色塊或灰度級的分割閾值可以采用如下預設公式計算獲取：Tn=An·core+（Bn·core-An·core）/2其中，Tn表示除背景色級外第n個色級的自適應二值化閾值，An·core表示除背景色級外第n個色級的中心灰度值，Bn·core表示除背景色級外第n個色級的上一級中心灰度值。以圖3a示例性圖像為例，對根據步驟S220中已獲取的每一色塊號（或色級號）所對應的中心灰度值代入式1進行計算，獲得除背景色級外的自適應二值化閾值：圖3a示例性圖像中除背景色級外的自適應二值化閾值計算如下：第1色級的自適應二值化閾值：T1=222+（255-222）/2=239；第2色級的自適應二值化閾值：T2=128+（222-128）/2=175；第3色級的自適應二值化閾值：T3=64+（128-64）/2=96；第4色級的自適應二值化閾值：T4=0+（64-0）/2=32。圖7是圖3a示例性圖像的組合多色級二值化圖。圖8a至圖8d是圖3a示例性圖像的分割多色級二值化圖。圖9是圖3b示例性圖像的組合多色級二值化圖。圖10a至圖10b是圖3b示例性圖像的分割多色級二值化圖。在本發明的實施例中，根據所獲取的多色級自適應二值化閾值，可以產生出色級分割鮮明效果的輸入圖像的多級色塊圖，用于圖像輪廓線特征提取時，有效提高了輪廓特征信息的提準率。一種采用如上述所述的動態計算多色級二值化自適應閾值的方法的系統，包括：提取灰度值模塊，用于提取輸入圖像像素點的灰度值；獲取色級中心灰度值模塊，用于通過統計分析輸入圖像灰度值與像素點數量的關系，獲取輸入圖像各相同或相近的色級的中心灰度值；計算獲取多色級二值化自適應閾值模塊，用于按預設公式動態計算獲取多色級二值化自適應閾值。圖11是一種動態計算多色級二值化自適應閾值的系統結構示意圖一。當一些圖像需要反色處理時，一種動態計算多色級二值化自適應閾值的系統包括：提取灰度值模塊，用于提取輸入圖像像素點的灰度值；反色處理模塊，并對邊線上像素點最集中的灰度值不是255或最大值的輸入圖像像素點灰度值做反色處理；獲取色級中心灰度值模塊，用于通過統計分析輸入圖像灰度值與像素點數量的關系，獲取輸入圖像各相同或相近的色級的中心灰度值；計算獲取多色級二值化自適應閾值模塊，用于按預設公式動態計算獲取多色級二值化自適應閾值。圖12是一種動態計算多色級二值化自適應閾值的系統結構示意圖二。以上所述實施例說明了通過逐一對輸入圖像灰度值與像素點數量的關系的統計分析，獲取針對輸入圖像的以中心灰度值為表現形式的色級特征，以不同色級的邊界灰度值作為相近色級二值化分割的閾值，從而得到多色級的二值化自適應閾值。利用本發明的多色級二值化自適應閾值方法及其系統，能夠對輸入圖像存在多灰度色級的圖像等復雜情況進行二值化的處理，有效提高多色級輸入圖像的二值化處理效果，并獲得完整反映輸入圖像不同色級的色塊特征信息，克服多灰度級的輸入圖像進行圖像二值化處理時，使用傳統的方法難以找出為使用者感興趣的圖像目標像素點及其所構成的不同色級的色塊特征信息的缺陷。利用本發明的多色級二值化自適應閾值方法及其系統，還能夠實現圖像按色級進行色塊的分拆，豐富圖像特征的描述，便于更廣地滿足圖像分析的需要。應當理解的是，以上實施例僅表達了本發明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對本發明專利范圍的限制。應當指出，對本領域普通技術人員來說，在不脫離本發明構思的前提下，還可以做出若干的變形、推導、改進或變換，所有這些都應屬于本發明所附權利要求的保護范圍。當前第1頁1 2 3