基于梯度调整的矩不变自动阈值图像分割算法

其中，

求出Po后再在原图像直方图上选择合适的t使之满足：

则t就是所求的分割阈值。当找不到精确的灰度值做门限满足P0时，选择最为接近的灰度值作为分割阈值。

矩不变法的运算速度较快，可以满足实时性的要求，但其受目标影响较大，目标大小的变化会影响分割的准确性。

2 矩不变法的梯度调整

矩不变法是根据样本估计总体的特性推导而出，是根据图像的整体信息进行图像分割。这种分割方法在实际应用中，发现分割后的目标边缘细节信息有很大的丢失。通过对算法原理及不足点的分析，本文利用图像中目标边界和相邻背景的灰度差别较大、而目标区域或背景区域内部像素间的灰度差别较小的特性，提出了一种基于梯度调整的改进的矩不变自动阈值法。改进后的算法的基本原理如下：

首先由矩不变法得到初始分割阈值t，然后利用梯度算子对图像进行处理，计算出图像的梯度分布。设现行扫描点、后一行扫描点和下一行中相邻点的灰度为f(i,j),f(i+1,j)和f(i,j+1)，在x、y方向上的一阶差分定义为：

梯度定义为：

G=Δxf(i,j)i+Δyf(i,j)j    (8)

其模为：

为了简便计算，梯度模G[f(i,j)]选用如下的近似公式：

G[f(i,j)]=max[|Δxf(i,j)|,|Δyf(i,j)|]    (10)

根据计算出的梯度模，找出边缘像素。设边缘像素的梯度为Gef(i,j)，则有：

其中Te为边界梯度阈值，可适当选取为（Gmax-Gmin）/2左右。

再求出边缘像素的梯度均值：

MG=E[Ge[f(i,j]]    (12)