基于梯度熵的Otsu图像分割算法

当目标和背景的类内方差差距较大时,传统图像分割算法Otsu会将类内方差较大的类中部分像素划分到类内方差较小的类,造成错误分割,针对这种情况,提出一种基于梯度熵的Otsu算法。利用梯度值分析求出目标和背景的分界点;针对目标和背景分别进行有选择性的线性拉伸,使目标和背景满足类内方差差距小的条件;对处理后的图像采用Otsu算法进行分割。实验结果表明,该算法能有效避免传统Otsu阈值偏向方差大的一类的情况发生,从客观和主观角度进行图像分割质量评价,效果良好。

扁豆病害叶片的病斑剥离分割

传统的分割方法针对目标和背景灰度值差距大的图像能得到较好的分割效果,但在对正常叶片和病斑灰度值相似度高的扁豆病害叶片图像分割时,难以得到理想的目标病斑。针对该问题,提出了一种适合正常叶片和病斑相似度高的图像剥离分割方法。该方法包括初始分割和二次分割两个步骤。初始分割是基于样本图片的彩色梯度图,采用最大类间标准方差与分水岭相结合的算法获得病斑粗略区域。二次分割是对粗略目标区域进行模糊C聚类分割得到目标病斑。实验结果表明,该剥离分割算法能提高病斑分割精确度,较好地分割出病斑目标。