本站原创
摘要： 为了解决图像缝隙测量中缝隙边缘不易定位的问题，在此针对缝隙图像的特征，提出一种基于直方图阈值的改进算法对图像进行二值化处理。该方法首先确定缝隙主体的灰度区域，找到缝隙边缘灰度的位置，以此作为二值化处理的阈值，得到了清晰的缝隙图像，解决了缝隙边缘的定位问题。试验结果表明，改进的直方图阈值算法效果明显优于传统算法，提高了缝隙测量的准确度。
关键词： 图像测量； 缝隙测量； 直方图阈值； 二值化处理
1004?373X（2013）06?0097?03
0 引 言
随着科学技术的高速发展，基于图像的测量方法日益受到人们的重视，图像测量技术具有非接触、精度高、测量速度快、自动化程度高等优点，在国内外发展很快，它广泛地应用于航空等遥感测量及图像处理、微电子技术中微图形的检测、精密复杂机件的微尺寸等和图像有关的技术领域中。而二值化处理是图像测量的一个重要步骤，它的准确度和精确度影响到图像特征的提取和目标区域的定位，进而影响到图像测量的准确度。
在二值化处理的过程中，阈值的选取直接影响着二值化的效果。由于要分割提取的目标区域边界通常不是界限分明，而是比较模糊的，如果阈值选取的过小，很有可能目标区域的点被排除在外，分割得到的区域偏小，反之如果阈值选取过大，目标区域被扩大，甚至会分辨不出目标的形状和大小。因此二值化处理对基于图像的测量技术至关重要，直接影响到图像测量的准确度，文献对Bernsen算法进行了改进，提出了一种改进模板和垂直线滤波结合的二值化方法，对钢卷尺图像有良好的适应性。文献[3]提出了一种改进的基于直方图特征和形态学处理的Otsu二值化算法，很好地保持了字符笔划连通性。文献[4]将图像的亮度、区域标准差等信息应用到二值化算法中，减弱了非车牌区域的边界及噪声影响。二值化算法的应用主要是根据具体的提取目标，文献针对的是钢卷尺目标区域是垂直的情况，提出的算法改进和垂直线滤波，文献是针对字符的连通性提出的算法，文献[3]是消除光照和非车牌区域的边界及噪声影响的算法。本文针对缝隙宽度测量的应用背景，提取出缝隙主体满足后期测量的需要，根据缝隙图像的特点，采用基于直方图阈值的改进方法，迅速地确定阈值，满足实时测量的需要。
基于改进直方图阈值的二值化算法的步骤如下：
（1）统计图像中各个灰度的像素点的数目，得到图像的直方图数据；
（2）确定缝隙主体的灰度区域，本文经测试缝隙灰度情况选定为0～50；
（3）在灰度区域找到最大数目的灰度值，对应于缝隙的主体；
（4）在灰度区域中选取第一个小于的灰度值作为阈值，经验证对应于缝隙边缘的灰度；
（5）如果出现没有小于的情况，为了增强算法的适应性，选取灰度区域中的最小值的灰度值作为阈值；
（6）根据二值化原理，分割提取缝隙主体。
把经典直方图阈值法与本文的改进方法对比可知，经典方法针对普通的两峰情况，而本文的改进方法基于图像测量的缝隙提取。
经典方法是基于直方图的情况，并且对应于图像的主体和背景，但本文针对的可能是也可能是单峰，但是直方图中明显的峰可能不是本文要提取的主体，如图2所示。
实验结果表明，改进的直方图阈值算法在缝隙图像二值化处理中有很好的效果，通过缝隙主体灰度区域和边缘灰度的确定，提取得到的缝隙边缘清晰，背景噪声小，使得缝隙边缘的定位变得简单而准确。同时，改进算法的方法简单，运算效率高，也能满足缝隙实时测量的需要，应用于实际图像测量系统。
参考文献
孟乔.沥青路面裂纹检测算法研究[D].西安：长安大学，2010.
魏彩乔，王晓光，康会峰.一种针对钢卷尺图像的二值化方法[J].河北科技大学学报，2012，33（3）：270?273.
[3] 袁璐，李仁发.一种改进的字符图像二值化算法[J].微计算机信息，2012，28（3）：140?142.
[4] 高云杰，孙涵.一种新的二值化方法在车牌检测中的应用[J].电子科技，2011（12）：114?117.
[5] 龚声蓉.数字图像处理与分析[M].北京：清华大学出版社，2006.
[6] 姚敏.数字图像处理[M].北京：机械工业出版社，2006.
[7] 魏诚.车牌图像二值化效果的改进算法研究[D].杭州：浙江大学，2006.
[8] 王刚.图像二值化方法研究及其在监控识别系统中的应用[D].长沙：湖南大学，2010.
[9] 鄢治国，徐德，李原.一种基于自适应二值化阈值的焊缝边缘特征提取方法[J].焊接学报，2008，29（7）：34?38.
[10] 龚金云，全思博.基于灰度图像直方图的边缘检测[J].装备制造技术，2007（2）：50?52.
[11] 李俊山，李旭辉.数字图像处理[M].北京：清华大学出版社，2010.
关键词： 图像测量； 缝隙测量； 直方图阈值； 二值化处理
1004?373X（2013）06?0097?03
0 引 言
随着科学技术的高速发展，基于图像的测量方法日益受到人们的重视，图像测量技术具有非接触、精度高、测量速度快、自动化程度高等优点，在国内外发展很快，它广泛地应用于航空等遥感测量及图像处理、微电子技术中微图形的检测、精密复杂机件的微尺寸等和图像有关的技术领域中。而二值化处理是图像测量的一个重要步骤，它的准确度和精确度影响到图像特征的提取和目标区域的定位，进而影响到图像测量的准确度。
在二值化处理的过程中，阈值的选取直接影响着二值化的效果。由于要分割提取的目标区域边界通常不是界限分明，而是比较模糊的，如果阈值选取的过小，很有可能目标区域的点被排除在外，分割得到的区域偏小，反之如果阈值选取过大，目标区域被扩大，甚至会分辨不出目标的形状和大小。因此二值化处理对基于图像的测量技术至关重要，直接影响到图像测量的准确度，文献对Bernsen算法进行了改进，提出了一种改进模板和垂直线滤波结合的二值化方法，对钢卷尺图像有良好的适应性。文献[3]提出了一种改进的基于直方图特征和形态学处理的Otsu二值化算法，很好地保持了字符笔划连通性。文献[4]将图像的亮度、区域标准差等信息应用到二值化算法中，减弱了非车牌区域的边界及噪声影响。二值化算法的应用主要是根据具体的提取目标，文献针对的是钢卷尺目标区域是垂直的情况，提出的算法改进和垂直线滤波，文献是针对字符的连通性提出的算法，文献[3]是消除光照和非车牌区域的边界及噪声影响的算法。本文针对缝隙宽度测量的应用背景，提取出缝隙主体满足后期测量的需要，根据缝隙图像的特点，采用基于直方图阈值的改进方法，迅速地确定阈值，满足实时测量的需要。
1 图像二值化原理
二值化是图像分割中一种非常重要的手段，也是数字图像处理的一种基本方法，它将图像转换为只有两级灰度的图像，将有用的部分作为前景显示出来，并与背景进行有效的区分。二值化处理可以方便地获取目标区域的几何特征和纹理特征，提取有效信息，为进一步图像分析和识别奠定基础。当前图像二值化的方法有很多，一般依阈值的应用范围可分为全局阈值法、自适应阈值法2种，全局阈摘自：毕业论文选题www.udooo.com
值是二值化过程中，对每个像素使用的阈值相等，自适应阈值先对图像分块，对每一块分别根据自身选定一个阈值做二值化。3 基于直方图阈值的二值化改进算法
根据缝隙图像的特点，缝隙主体是灰度较深的区域，而且由于显微拍摄的原因，它的周围必定有很大的噪声干扰，采用通常的方法不能很好地得到清楚的缝隙，或者耗费的时间过长，不能满足实时测量系统的需要。根据缝隙的灰度特征，与非缝隙区域的灰度区距离比较大，因此可以利用图像的直方图，选择图像缝隙边缘的灰度作为阈值来去除大部分的非缝隙干扰。基于改进直方图阈值的二值化算法的步骤如下：
（1）统计图像中各个灰度的像素点的数目，得到图像的直方图数据；
（2）确定缝隙主体的灰度区域，本文经测试缝隙灰度情况选定为0～50；
（3）在灰度区域找到最大数目的灰度值，对应于缝隙的主体；
（4）在灰度区域中选取第一个小于的灰度值作为阈值，经验证对应于缝隙边缘的灰度；
（5）如果出现没有小于的情况，为了增强算法的适应性，选取灰度区域中的最小值的灰度值作为阈值；
（6）根据二值化原理，分割提取缝隙主体。
把经典直方图阈值法与本文的改进方法对比可知，经典方法针对普通的两峰情况，而本文的改进方法基于图像测量的缝隙提取。
经典方法是基于直方图的情况，并且对应于图像的主体和背景，但本文针对的可能是也可能是单峰，但是直方图中明显的峰可能不是本文要提取的主体，如图2所示。
4 实验与分析
5 结 论实验结果表明，改进的直方图阈值算法在缝隙图像二值化处理中有很好的效果，通过缝隙主体灰度区域和边缘灰度的确定，提取得到的缝隙边缘清晰，背景噪声小，使得缝隙边缘的定位变得简单而准确。同时，改进算法的方法简单，运算效率高，也能满足缝隙实时测量的需要，应用于实际图像测量系统。
参考文献
孟乔.沥青路面裂纹检测算法研究[D].西安：长安大学，2010.
魏彩乔，王晓光，康会峰.一种针对钢卷尺图像的二值化方法[J].河北科技大学学报，2012，33（3）：270?273.
[3] 袁璐，李仁发.一种改进的字符图像二值化算法[J].微计算机信息，2012，28（3）：140?142.
[4] 高云杰，孙涵.一种新的二值化方法在车牌检测中的应用[J].电子科技，2011（12）：114?117.
[5] 龚声蓉.数字图像处理与分析[M].北京：清华大学出版社，2006.
[6] 姚敏.数字图像处理[M].北京：机械工业出版社，2006.
[7] 魏诚.车牌图像二值化效果的改进算法研究[D].杭州：浙江大学，2006.
[8] 王刚.图像二值化方法研究及其在监控识别系统中的应用[D].长沙：湖南大学，2010.
[9] 鄢治国，徐德，李原.一种基于自适应二值化阈值的焊缝边缘特征提取方法[J].焊接学报，2008，29（7）：34?38.
[10] 龚金云，全思博.基于灰度图像直方图的边缘检测[J].装备制造技术，2007（2）：50?52.
[11] 李俊山，李旭辉.数字图像处理[M].北京：清华大学出版社，2010.