0引言
图像处理中，阈值的自动选取一直是图像研究的一个热点，也是公认的难点。目前提出来的阈值选取方法多达数10种，在实际使用中常用的方法有：直方图波谷法、Otsu法、最大熵方法、矢量保持法、梯度统计法[1]等。但是到目前为止不存在一种通用的方法，也不存在一个判断图像分割是否成功的客观标准。 Otsu方法[2]是在1979年被提出，它是在灰度直方图基础上用最小二乘原理推导出来的，具有统计意义上的最佳分割阈值。该方法的图像分割质量通常有一定的保障，可以说是目前阈值分割中最稳定的方法。本文通过Otsu分割方法确定出一个最佳的阈值，该阈值作为Canny算子的高门限值，然后利用Canny算子来提取出图像的边缘。实验证明该方法具有一定的实用性。 1Canny算子原理
Canny提出了一种新的边缘检测的方法[3]，它对受白噪声影响的阶跃型边缘是最优的。我们知道Canny边缘检测器是由高斯函数的一阶导数构成的。由于高斯函数是圆对称的，所以Canny算子在边缘上是对称的，在垂直于边缘的方向是反对称的[4-5]。Canny算子首先通过高斯卷积对图像进行高斯平滑处理，再是对平滑处理后的图像进行微分操作，得到梯度图，然后利用“非极大抑制”算法出图像中可能的边缘点，最后用双门限值查图像边缘点，得到了单像素的边缘图。
设二维高斯函数为
农村留守儿童教育问题２2
exp(
2+
2
——高斯函数的分布参数，用于控制对图像的平滑处理。利用高斯函数的可分性，
将
2
21
2
2
212
1
2
1
2
2e x p(
2
2
)
=
2
1
，
=2Ϊ³£Êý¡£
½«Ê½(2)和式(3)分别与图像
，卷积，
得到输出，
，，，
令
2
－2297－
－2298
－
（４）
则
,
£»°
ѻҶÈֵСÓÚ
2
的设为0，
记为图像
进行扫描，
当遇到一个非零灰度的像素
为起点的轮廓线，
直到轮廓线的终点
中与图像
点的位置对应的点
中，
作为
点开始重复第一步，
直到图像
都无法继续为止。
・当完成对包含
不到新的轮廓线为止。
至此完成Canny 算子得边缘检测。
2Otsu 方法介绍
Otsu 方法[2]是1979年被提出来的，被认为是分割阈值自动选取的最优方法。其基本思想是用阈值把图像像素分为两类，通过划分后得到两类的类间方差最大值来确定最佳得阈值[6-8]。
设图像
,
灰度级得范围为
０，，各灰度级出现
得概率是
将图像分为两类
０，
和
。
两类的概率为：
1
=1
。
两类的平均灰度为
1
=
1
，
其中
2
00
11
01
£¬¼´
Çó
max 的*就是阈值。
3门限参数设定
Canny 算子的性能主要是由3个参数决定的：平滑图像所
使用的高斯滤波卷积核
可以降低检测过程对噪声的敏感性，但是
同时丢失了某些细节信息，并且边缘变得模糊不清。通过分析得到，
随着高门限
2
的增加，可以去除大部分噪声，但同时
也损失了有用的边缘信息。
讲道集
低门限1
控制着本次检测的中止
点性质，1越小保留的边缘信息就越多；
随着1
的增加，可视
的目标边缘特征越少，将出现边缘的断裂。
为了使Canny 算子的高门限值有一个自适应的过程，我们用式(5)
求出的阈值作为
2
。
所以Canny 中的3
个参数为：
＊、1=
0.5
2
。
Canny 算子中的双门限其实也是一种阈值，
通过分析1
、
2
的选择原理及梯度直方图，利用Otsu
算法实现对
2各具特的民居教学设计
的计
算是切实可行的。
4实验结果
本文分割的图像是我们自己选择的符号，如表1所示，通
过伪随机的方法组成一个符号模板，再把模板投射到物体上通过CCD 来进行抓拍得到的图像，该图像的直方图呈现双峰的特性。通过Otsu 方法自动选取的阈值运用于Canny 算子中，得到了图像的轮廓线。
下面对一般的Canny 算子和运用了Otsu 方法后的Canny 算子进行轮廓提取做了对比。图2(b )和图2(c )进行比较可以看出，使用一般的Canny 算子时许多真正的边缘没有检测到，
断裂现象非常严重；而改进后的方法不仅使得许多重要的边缘检测到，而且根据符号形状特点的连续性保持得非常好，也抑制了虚假边缘的产生。提取出符号的轮廓后，我们对符号需要进行填补操作，使得它变成实心的符号，如图2(d )所示。图2(d )与图2(e )相比较可以看出，图2(d )中有一个符号不在表1中所列，但是没有符号断裂的现象；而图2(e )中有两个符号
图1非极大抑制：邻接像素关系图
(a )像素边缘4个方向
考察像素
图像边界
边缘方向
确定的邻接像素
412
33
214
●
－2299－
2013苏州中考作文
出现断裂的现象。因为我们下一步操作就是要对符号进行中心线的提取，再是通过链码来进行识别符号，符号断裂是致命的，所以从比较看出改进的方法比直接阈值分割的方法要好。
5结束语
本文对Canny 算子的原理和Otsu 阈值分割方法进行了描
述，采用最大类间方差的方法来计算出对Canny 算子性能具有决定意义的高门限值。从实验结果可知，这种方法改善了Canny 算子的边缘提取效果。本方法对于直方图呈现双峰性的图像具有很好的效果，所以该方法不仅可以运用于本实验的图像，而且可以用于其它同样特性的图像。
参考文献:
[1]
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,
2002,4(6):91-102.
[2]何庆元，韩传久.基于粒子算法的Otsu 法图像阈值分割[J ].桂林科技大学学报,2006,26(5):355-358.
[3]
Milan Sonka,V aclav Hlavac,Roger Boyle.图像处理、分析与机器视觉[M ].艾海舟，武勃，译.2版.北京：人民邮电出版社,2003:60-62.[4]朱虹.数字图像处理基础[M ].北京：科学出版社,2005.[5]孙即祥.图像分析[M ].北京：科学出版社,2005:36-37.
[6]王祥科，郑志强.Otsu 多阈值快速分割算法及其在彩图像中的应用[J ].计算机应用,2006,26:14-15.
[7]李凌.图像分割方法研究与实现[J ].宿州学院学报,2006,21(4):85-88.
[8]
王强.图像分割中阈值的选取研究及算法实现[J ].计算机与现代化,2006(10):54-56.
(上接第2296页
)
,乌氏粘度计原理
=exp
modelsim｛
——向量
≥0；1≤
=2，
=
100~150；实验选用MRI 图像，算法只对脑组织部分进行分割，采用KFCM 算法和PSO-KFCM
(
=0.00001，
=150)
分别对脑图像进行分割。利用本文算法将图像分为脑室、灰质、白质3类，分割结果如图1所示。
本文对两种算法的分割结果进行了评价，采用误分率(misclassification rate ，MSR )为评价参数，
误分率定义为
=
——欠分割和过分割的点数，
