[发明专利]基于图像灰度梯度和灰度统计直方图的自适应预分割方法

说明书

技术领域

本发明涉及一种基于图像灰度梯度和灰度统计直方图的自适应预分割方法，属于应 用于通过机器视觉来实现目标识别的图像预处理，尤其涉及利用图像的灰度梯度信息和 图像本身的灰度统计直方图信息来自适应生成用于图像分割的阈值序列，将连续灰度图 像转换为离散灰度图像，实现图像的预分割，以便于后续的图像分割的图像处理的技术 领域。

背景技术

图像分割是图像识别和图像理解的基础和关键，也是机器视觉的经典难题，就图像 分割而言，到目前位置，提出的分割算法不下千种，并且每年还有不少新算法出现。

图像分割的基本目的是要将目标前景信息从原始采样图像中抽取出来，实现前景与 背景的分割，同时过滤和屏蔽成像过程中引入的各种噪声和成像缺陷。

纵览各种图像分割算法，其中绝大部分都是基于图像在像素级别的不连续性和相似 性。也就是说，属于同一目标的区域具有相似性，而不同区域在边界会表现出不连续性。 这些方法大致可以分成以下几类：

边缘检测方法：基于图像边缘在像素级别上的某些方向存在边缘梯度，通过从某些 方向求图像的一阶(如Roberts算子、Sobel算子、Prewitt算子等)或二阶导数(如高 斯-拉普拉斯算子、LOG算子)等微分算子来寻找边缘。Canny算子是一种不采用微分算 子的边缘检测算子。但边缘检测方法对成像噪声的抑制效果很一般、对成像缺陷的修复 几乎无能为力，其检测效果反而因此而下降。

边缘跟踪方法：由于前述的边缘检测方法检测出的边缘点往往由于成像噪声、光照 不均等原因而不连续，边缘跟踪方法就是对这些边缘点进行跟踪，形成连续的边缘。最 著名的当属常用于直线、椭圆检测的Hough变换。

区域分割法：包括区域增长法和区域分裂合并法。其基本思想是基于同一区域像素 的相似性。对输电线路部件识别这种先验知识很少、场景复杂、成像条件约束很少的应 用进行图像确有一定的优势。但由于输电线路部件识别一般采用高分辨率成像设备，而 这种算法在具体实现上一般采用递归方法，牵涉到较大的计算时间开销，因此对计算速 度影响较大。

发明内容

本发明目的是针对现有技术存在的不足提供一种基于图像灰度梯度信息和图像本身 的灰度统计直方图信息的自适应图像预分割算法，实现图像的预处理。本发明利用图像 的平均灰度梯度值及图像本身的灰度统计直方图信息，生成用于图像分割的阈值序列， 构造像素相似性区间，判断像素之间的相似性，对图像中具有相似性质的像素进行聚类， 使得图像的信息层次分明，方便对图像进行分割等后续处理。

本发明为实现上述目的，采用如下技术方案：

本发明基于图像灰度梯度和灰度统计直方图的自适应预分割方法，其特征在于包括 以下步骤：

(1)将输入的彩色图像转换为灰度图像I_G；

(2)在水平方向逐行扫描步骤(1)所述的灰度图像I_G，得到灰度图像I_G的每个像素 在水平方向的灰度梯度，形成灰度图像I_G的灰度梯度图I_grad；

(3)计算灰度梯度：对步骤(2)所述的灰度梯度图I_grad中属于[4，255]区间的灰度梯 度值进行统计平均，得到灰度图像I_G的统计平均灰度梯度G_s，其中4为视觉器官可感知 的最小灰度梯度，255为灰度图像I_G的最大灰度梯度；将统计平均梯度G_s与视觉器官能 明显感知的灰度梯度区间G_e＝[16，32]比较，得到灰度图像I_G的灰度梯度G_g：如G_s＜16， 则G_g＝16；如G_g＞32，则G_g＝32；否则G_g＝G_s；