數(shù)字圖像閾值分割研究與應(yīng)用

余博文

（武漢工程大學(xué)，湖北 武漢 430205）

1 數(shù)字圖像閾值分割

數(shù)字圖像是由模擬圖像數(shù)字化得到的、以像素為基本元素的、可以用數(shù)字計算機或數(shù)字電路存儲和處理的圖像[1]。

閾值分割是一種常用的圖像分割方法，它主要利用圖像中要提取的目標物與其背景在灰度特性上的差異，通過設(shè)置合適的灰度閾值，將圖像的灰度劃分為兩個或多個灰度區(qū)間，以確定有意義的區(qū)域或分割物體的邊界[2]。

閾值分割完成后，像素坐標點（x，y）處的像素值～f（x，y）為：

式中f（x，y）表示顏色空間某通道的值，T 表示閾值。當存在兩個以上灰度閾值時，式（1）變?yōu)椋?/p>

2 RGB 顏色空間的閾值分割

2.1 RGB 顏色空間

RGB 顏色空間是由R、G、B 三個分量組成的,每個分量的比特數(shù)表示了該分量的像素深度[3]。RGB 顏色空間作為最基礎(chǔ)的顏色模型，對圖像顏色的產(chǎn)生是最為理想的,但是對顏色的描述還有一定的缺陷。第一，使用RGB 顏色空間對不同的顏色進行定量分析較為困難。第二,合成的圖像顏色飽和度較低,視覺效果差。第三,由于色調(diào)、飽和度與三原色之間是非線性的,對圖像進行分析處理較難。

2.2 RGB 顏色空間的閾值分割

由于RGB 顏色空間對顏色的描述還有一定的缺陷，通常對RGB 顏色空間的閾值分割需要先進行圖像灰度化處理，一般會用到灰度轉(zhuǎn)換公式Gray=R*0.299+G*0.587+B*0.114。但這種灰度轉(zhuǎn)換會對圖像顏色信息造成部分丟失，紅色（76,0,0）、綠色（0,39,0）、藍色（0,0,200）經(jīng)灰度轉(zhuǎn)換公式轉(zhuǎn)換后得到的灰度值均為23。這表明這種灰度轉(zhuǎn)換法確實對圖像信息造成部分丟失。

3 HSV 顏色空間的閾值分割

3.1 HSV 顏色空間

HSV 顏色空間的模型是根據(jù)顏色的直觀特性創(chuàng)建的一種圓錐模型，不同于RGB 顏色空間中的每個分量都代表一種顏色，HSV 顏色空間中每個分量并不代表一種顏色，而分別是：色調(diào)（H），飽和度（S）亮度（V）[4]。H 分量是代表顏色特性的分量，代表人眼所能感知的顏色范圍。S 分量代表顏色的飽和信息，指色彩的鮮艷程度，也叫飽和度。V 分量代表明暗信息，指的是色彩的亮度，作用是控制色彩的明暗變化。

3.2 HSV 顏色空間的閾值分割

由于HSV 顏色空間H 通道對色調(diào)表達效果較好，因此簡單的HSV 顏色空間的閾值分割僅通過H 通道的閾值設(shè)定就可以完成。H 通道范圍經(jīng)過數(shù)據(jù)壓縮由0～360 轉(zhuǎn)換到0～255,經(jīng)測量發(fā)現(xiàn)紅色（76,0,0）像素與黑色（0,0,0）像素的H 通道值都為0，因此中H 通道值為0 的像素占比較高，綠色（0,39,0）像素的H通道值為85，藍色（0,0,200）像素的H 通道像素值為170。因此只需對H 通道進行閾值分割就能得到較好的分割效果。

4 航拍圖像病樹分割應(yīng)用

4.1 RGB 顏色空間的航拍圖像分析

航拍圖像為了清晰的表現(xiàn)地理形態(tài)，通常圖像像素較高、細節(jié)豐富、內(nèi)容復(fù)雜，圖像中除了目標病樹，包含大量健康樹，還含有部分顏色近似于目標病樹的梯田土壤，導(dǎo)致基于RGB 顏色空間選取的閾值不能很好的分離開目標區(qū)域與背景區(qū)域，因此考慮使用HSV 顏色空間選擇閾值。

4.2 HSV 顏色空間的航拍圖像病樹分割

HSV 顏色空間僅H 分量就已經(jīng)包括人眼所能感知的顏色范圍，病樹呈現(xiàn)的顏色分布于紅黃色之間，對應(yīng)于HSV 顏色空間H 分量的0 度到60 度之間，在數(shù)據(jù)集中隨機選取病樹中心提取分析H 通道數(shù)值，可以發(fā)現(xiàn)，病樹H 通道數(shù)值隨機分布在9到35 度，設(shè)定9 到35 度為H 通道閾值，對數(shù)據(jù)集進行過濾后結(jié)果如圖2 所示。

觀察圖1 可以發(fā)現(xiàn)土壤、梯田等地方因為H 通道數(shù)值與病木近似，并未被閾值分割法過濾掉，分別提取病木中心和土壤梯田中心HSV 顏色通道值進行分析，可以發(fā)現(xiàn)，在土壤、梯田這種開闊的地方，HSV 顏色空間的H 通道值和S 通道值分布都近似于病樹，而代表亮度的V 通道分布明顯不同于病樹，這表明可以利用病樹V 通道值作為閾值對數(shù)據(jù)集進行再次過濾。同樣在數(shù)據(jù)集中隨機選取病樹中心提取分析V 通道數(shù)值，可以發(fā)現(xiàn)，病樹V 通道數(shù)值隨機分布在29 到41 之間。設(shè)定29 到41 為V 通道閾值，結(jié)合H 通道9 到35 度的閾值，對數(shù)據(jù)集進行過濾，然后與僅過濾H 通道的結(jié)果相比較，如圖2 所示。

圖1 航拍圖像H 通道閾值過濾結(jié)果

圖2 航拍圖像HV 通道閾值過濾結(jié)果

圖2 中上圖即同時過濾HV 通道圖，下圖即僅過濾H 通道圖，對比同時過濾HV 通道圖和僅過濾H 通道圖，可以發(fā)現(xiàn)土壤、梯田等干擾元素大部分已被過濾，剩下的前景像素為閾值分割得到的病樹區(qū)域。

5 結(jié)論

本文主要研究介紹了數(shù)字圖像在RGB 顏色空間和HSV 顏色空間閾值分割技術(shù)，通過原理和實際應(yīng)用分析RGB 顏色空間閾值分割的不足，論述了HSV 顏色空間閾值分割的優(yōu)勢。本文選取航拍圖像用于試驗，將圖像中病樹作為識別目標顏色。首先確定了目標顏色（病樹中心的顏色）在HSV 色彩空間中H 通道的取值范圍，通過H 通道分割結(jié)果分析得出單通道閾值分割的不足，再加入V 通道過濾規(guī)則，最終得到質(zhì)量較高的閾值分割病樹區(qū)域圖像。本研究對復(fù)雜數(shù)字圖像的閾值分割還有很大的改進余地，可進一步提高算法的正確率和速度。