阈值分割- 专利1分析

大家好，欢迎来到IT知识分享网。

专利1链接：

专利汇 – 用户登录 – PatentHub专利检索|专利汇|专利查询网|发明专利查询分析

 CNA 一种改进的Otsu阈值分割方法

 该专利于2018年7月2日申请，于2018年11月30日国知局公开。

 专利背景技术的分析：

    该专利的背景技术中写道：传统的otsu法对前景和背景分布均匀且类间方差差异较小的图像同层具有较好的分割结果，这里的前景和背景分布均匀是指前景和背景的亮度值相差不大，RGB每个通道的颜色分布在前景和背景相近等，进而前景和背景只是在底色，即灰度值上存在差异，就像路面，路面上存在裂缝和非裂缝区域，此时均匀的光照打上去，即裂缝和非裂缝区域光照亮度值相近，才能把底色上的差异较好体现，不然不均匀光照容易使得裂缝和非裂缝区域灰度值相近，例如：裂缝区域光照较强，非裂缝区域有阴影，就会使得前景和背景区域在灰度值上变得接近，进而通过otsu对前景和背景进行区分时，区分难度较大。

    如下图所示，左侧图中路灯光照较为均匀，右侧图中路灯光照不均匀，进而通过计算机视觉对路面上的黄线进行识别时，左侧识别效果较好，右侧识别效果较差，因为不均匀光照产生了阴影，模糊减小了前景黄线和背景的差异。

     该专利背景中所说的类间方差差异较小，是针对前景和背景的，注意这里不是前景和背景的类间方差，而是前景和背景的类间方差差异，otsu算法是对前景和背景相差较大的图像，分割效果较好，这里的相差较大，即前景和背景的类间方差较大，即两个类别在灰度上的差异较大，界线明显；这里的类间方差差异，应该是指前景方差和背景方差的差异，而不是我们经常认为的：类间方差=总方差-类内方差和，不然就和算法原理违背了。

    则这里类间方差差异较小，只能是指前景方差和背景方差相近，如果都较小，则说明前景灰度值分布和背景的灰度值分布都较为集中，例如前景的灰度值范围为：[0 5],背景的灰度值范围为：[200 205]，分布都较为集中，即各自方差均较小，进而方差差异较小；如果两者的方差都较大，就违背了前景和背景的定义，既然前景和背景，人眼能都区分，则两者灰度值相差较大，即灰度值差异较大，进而底色差异较大，而不会相近，因此这个假设不成立，进而专利中所说的类间方差差异较小，在专利无误情况下，只能解释成：前景和背景的方差均较小，各自灰度值分布较为集中。

发明内容的分析：

    发明内容的0005条说明：本发明的目的是解决现有Otsu阈值分割方法在前景像素和背景像素的方差差异较大时出现错分情况的的技术问题，即前景和背景一个方差较小，一个方差较大，一个灰度值分布较为集中，一个灰度值分布较为分散，当灰度值分布较为分散的灰度值落在另一个类别的灰度值范围内时，otsu就难以将前景和背景较好区分，进而出现错分情况。

      该专利的改进后的分割点确定的整体逻辑可以描述为：该发明者通过对图像分析发现了一个现象，即随着像素的累计分布频率的逐渐增大，刚开始灰度值缓慢增长，当像素的累计分布频率较大时，灰度值突然发生跳变，快速增大，对应到图像中，图像中的背景的灰度值分布范围较广，有个波峰，当累计频率统计到该像素值时，累计频率增大很多，可以看作是：前景和背景的占比不同，前景占比较小，灰度值分布较集中，背景在图像上的面积占比较大，分布较为离散。

      专利中的临界值β可以看作是背景面积在图像上的面积占比，该专利中的一条逻辑为：背景面积占比≈真实的分割阈值/otsu分割阈值，这是由于otsu分割阈值在前景和背景的面积占比相差较大情况下，该分割阈值会偏向面积较大的部分，而图像中往往是背景面积较大，因此可以通过这条逻辑对图像进行处理，可以起到较好的分割效果，获得的分割阈值对前景和背景可以较好区分，减少了误分。

    如图所示，该专利方法中通过与其它的otsu改进方法进行比较，其中（e)列是该专利中方法对不同图像的分割结果，（a）列为原始图像，（b)、（c)、（d)、（e)为不同方法的分割结果。

    从第一幅硬币图像中分析：（b)、（c)方法中有个硬币没有进行较好分割，（d)、（e)方法的分割效果较好；

    从第二幅月亮图像中分析：（b)、（c)方法对月亮边界处的失真较大；（d）方法的分割结果边界的细节信息较少，（e)方法的分割边界处的细节信息较丰富。

    从第三幅图像中分析：首先（d)方法分割效果明显较差；（b）、（c)方法对图像中右下角的某个不清晰的目标的分割效果较差，相对而言，（e）方法对右下角的该不清洗的目标的分割效果更好点，更多目标像素点被分割出来。所述不清晰目标如下图中红色箭头指向区域。

发明内容的可进一步改进：

    该专利需要事先确定经验值β作为专利实现中的先验值，但实际中不同图像中背景占比有时候相差较大，往往难以得到一个统一的经验值，因此对于同一个区域进行拍摄时，得到很多幅图像，可以通过经验值来确定β，

    但是当图像属于不同区域时，如果需要通过该专利中所述方法获得更好的分割结果，首先需要对图像中的背景面积占比进行较好的预估。

    例如：可以根据前景和背景的像素值分布范围的不同对背景面积进行评估，前景的像素值的分布范围一般较为集中，而背景的像素值的分布范围一般较为离散，进而可以通过对像素值进行聚类，像素值的聚类或者像素点间聚类的聚类，进而将像素值划分为两个类别，然后结合目标的特性，如上面的三个图所示，如果目标为硬币，则两个类别中像素值较大的类别作为前景类别，两一个类别作为背景类别，进而可以得到β值，然后通过该专利中方法进行分割，可以获得更好的分割效果。