婁聯(lián)堂，何慧玲

(中南民族大學(xué) 數(shù)學(xué)與統(tǒng)計學(xué)學(xué)院，武漢 430074)

圖像分割是圖像處理的重要環(huán)節(jié)，目的是要將目標區(qū)域與背景分離. 在圖像分割中，當圖像目標與背景像素的灰度分布十分明顯時，可以采用適用于整個圖像的單個閾值. OTSU算法[1]是圖像分割中閾值選取的常用算法，該算法對雙峰直方圖圖像有較好的效果，當原圖像直方圖為單峰分布或接近單峰分布時，OTSU算法的分割效果并不理想，此時可先對圖像作灰度變換，如直方圖均衡化[2]等，然后確定分割閾值. 但是，對于灰度分布極不均勻的圖像，如X射線焊縫圖像，此方法沒有較好的分割效果. SUN等人提出了一種基于直方圖規(guī)定化的動態(tài)灰度變換算法，人為地修正直方圖的形狀，改變圖像灰度分布[3]. 此方法雖然可使原圖像直方圖變?yōu)殡p峰直方圖，但實際操作過程中這種特定的直方圖較難確定，從而影響分割結(jié)果. 文獻[4-6]研究了分段灰度變換算法，該方法對路面混凝土裂縫分割效果好，但對焊縫裂紋的分割效果不理想. 此外，圖像分割也可采用機器學(xué)習(xí)方法[7]，其準確率可以達到90%，然而此方法依賴大量的樣本學(xué)習(xí)，耗時較長.

本文提出一種基于圖像灰度變換的OTSU閾值優(yōu)化算法. 通過引入灰度變換函數(shù)，在圖像灰度變換與圖像分割之間尋求一個最佳策略，找到在最大類間方差的意義下適用于X射線圖像裂紋缺陷分割的變換函數(shù)及優(yōu)化閾值，給出相關(guān)理論結(jié)論及實驗結(jié)果. 在此之前，先對OTSU算法進行簡單介紹.

1 一般灰度變換下的圖像分割

1.1 傳統(tǒng)OTSU算法

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

最佳閾值為：

(10)

當目標區(qū)域大于全圖像的30%時，傳統(tǒng)OTSU算法的分割效果接近最優(yōu)值.當目標的相對區(qū)域減少時，OTSU算法的效果迅速降低[8].由于X射線焊縫圖像中，裂紋只有幾個像素，所占面積小，且裂紋與焊縫像素灰度分布不均勻，對比度低、邊緣模糊，因此利用傳統(tǒng)的OTSU算法不易獲得理想的結(jié)果，但可以利用OTSU算法對X射線圖像進行二值化，提取感興趣區(qū)域[9]，即焊縫區(qū)域，選取如圖1的兩幅X射線裂紋缺陷圖像進行實驗，利用OTSU算法將其二值化，結(jié)果如圖2所示.根據(jù)像素分布情況及裂紋缺陷可能存在的位置特征，得到圖像感興趣區(qū)域(其中對于原始圖像(b)感興趣區(qū)域為圖2(b)中交叉的橫向和縱向兩部分，由于實驗過程中未在橫向部分檢測出缺陷，故省略此部分的討論)，以提高檢測效率，縮短計算時間，如圖3所示.

圖1 原始圖像Fig.1 Original image

圖2 利用OTSU方法二值化處理后的結(jié)果Fig.2 The result of binarization by OTSU method

圖3 感興趣區(qū)域Fig.3 Region of interest

1.2 一般灰度變換下OTSU算法的極值問題

在圖3所示的X射線焊縫圖像中，目標與背景不是雙峰分布，利用OTSU算法分割效果不理想，為此先對圖像作灰度變換，變換函數(shù)f(i)滿足以下條件:

(1) 保證輸出灰度范圍與輸入灰度范圍相同，即f(i)是{0,1,…，L-1}到{0,1,…，L-1}的一個映射；

(2) 保持灰度級的次序，防止灰度反變換時產(chǎn)生人為缺陷，即f(i)單調(diào)遞增(或單調(diào)遞減，本文只考慮單調(diào)遞增的情況)；

(3)f(0)=0,f(L-1)=L-1.

可得以下命題：

證明基于OTSU算法，可得到灰度變換后圖像相應(yīng)的累積概率，用P0(T,f)及P1(T,f)分別表示為：

(11)

P1(minf-1(T+1)-1),

(12)

其中maxf-1(T)=max{i|f(i)=T};minf-1(T)=min{i|f(i)=T}.由灰度變換函數(shù)f(i)的性質(zhì)知：

maxf-1(T)=minf-1(T+1)-1;

P1(T,f)=1-P0(T,f)=1-P0(maxf-1(T)).

類似地可以得到灰度變換后兩類相應(yīng)的平均灰度μ0(T,f)、μ1(T,f)及方差σ0(T,f)、σ1(T,f)等，其中類間方差表示如下：

(13)

最佳閾值為：

(14)

此時最佳閾值T*與灰度變換函數(shù)有關(guān).

(15)

則μ(T,f)=

(16)

(μ0(T,f)-μ1(T,f))2P0(T,f)(1-P0(T,f)),

(17)

命題1得證.

在命題1中只對變換函數(shù)給出了基本的限制條件，得出的結(jié)論是平凡的，因此為了得到理想的分割效果，需針對具體圖像增加額外的限制條件.

2 分段灰度變換下的OTSU閾值優(yōu)化

為了分割X射線圖像中的裂紋缺陷，防止出現(xiàn)命題1中的極端情況，添加如下限制條件：

(4)f(x)≥x或f(x)≤x，

可得以下命題：

證明不妨假設(shè)f(x)≥x，記T2=maxf-1(T)，

(μ0(T,f)-μ1(T,f))2P0(T,f)(1-P0(T,f))=

P0(T,f)(1-P0(T,f))≤

P0(T,f)(1-P0(T,f))=

((L-1)-μ0(T2))2P0(T2)(1-P0(T2)).

(18)

命題2相當于對圖像部分灰度進行拉伸，適用于圖像整體偏暗的情況.同理，可求出f(x)≤x時，相當于對圖像部分灰度進行壓縮，適用于圖像整體偏亮的情況.

由上可知，OTSU閾值與灰度變換函數(shù)有關(guān)，如果選擇的灰度變換函數(shù)不同，即使是同一圖像也會得到不同的結(jié)果.因此，選擇灰度變換函數(shù)應(yīng)該根據(jù)圖像的性質(zhì)和處理的目的來決定.

為了增強圖像的局部特性，準確地提取裂紋缺陷，本文采用分段灰度變換，將整個圖像灰度分為目標段、過渡段和背景段三個部分，對各部分進行不同的處理——拉伸目標段、保持過渡段、抑制背景段.尋求在最大類間方差的意義下適用于X射線圖像裂紋缺陷分割的變換函數(shù)及優(yōu)化閾值，達到增強圖像分割效果的目的.本文將灰度值高于閾值的像素作為背景，低于閾值的像素作為目標.

(1)f(i)是{0,1,…,a}到{0,1,…,a}的一個映射,f(i)≥i；

(2)g(i)是{b+1,…，L-1}到{b+1,…，L-1}的一個映射,g(i)≤i；

(3)f(i)、g(i)單調(diào)遞增；

可得以下命題：

(19)

記T2=maxF-1(T)，同理有：

(1)當0

(1-P0(T2))，

(20)

(2)當a≤T2≤b時，

(1-P0(T2))，

(21)

(3)當b

P0(T2)(1-P0(T2)).

(22)

命題3得證.

3 實驗結(jié)果與分析

裂紋圖像感興趣區(qū)域一般是長條形狀(見圖3)，由于裂紋缺陷較細，為防止圖像過大或過小造成實驗的不準確性，需選擇合適大小的窗口對圖像進行二值化處理，文中通過遍歷長條形狀感興趣區(qū)域來確定二值化處理的窗口. 通常情況下，裂紋長和寬在一定范圍內(nèi)，記裂紋的包圍矩形最短邊長為l(文中實驗l=3)，通過以下方式確定分割窗口：長條形狀感興趣區(qū)域為橫向(縱向)時，窗口寬度(高度)為原始感興趣區(qū)域的寬度(高度)，且不超過1000個像素，高度(寬度)為原始感興趣區(qū)域的高度(寬度)的1/2，并每隔l個像素點從圖像的左上角開始以縱向(橫向)掃描的方式遍歷，分別對這些窗口對應(yīng)的圖像進行二值化處理，由此實現(xiàn)裂紋圖像的分割.圖4給出了傳統(tǒng)OTSU算法與本文算法的實驗結(jié)果，結(jié)果表明，本文基于圖像灰度變換的OTSU閾值優(yōu)化算法成功地分割出了裂紋缺陷.

(a)圖3(a)經(jīng)傳統(tǒng)OTSU算法處理后的二值化圖像 (b) 圖3(a)經(jīng)OTSU閾值優(yōu)化算法處理后的二值化圖像

其中對圖3(a)、圖3(b)作的灰度變換分別為：

表1給出了傳統(tǒng)OTSU算法與本文基于圖像灰度變換的OTSU閾值優(yōu)化算法對應(yīng)的閾值及最大類間方差. 結(jié)果表明，OTSU閾值優(yōu)化算法得到的圖像類間方差較大，且兩組圖像優(yōu)化閾值均小于傳統(tǒng)OTSU算法下的分割閾值，這是由于裂紋灰度值比焊縫灰度值大，而傳統(tǒng)OTSU算法將裂紋錯分為焊縫，導(dǎo)致閾值偏大.

表1 兩種算法下的相關(guān)數(shù)據(jù)對比Tab.1 Comparison of related data under two algorithms

4 結(jié)語

本文針對X射線圖像裂紋缺陷分割問題，通過引入灰度變換函數(shù)，并對變換函數(shù)適當?shù)丶右詶l件限制的情形下，得到了OTSU閾值優(yōu)化問題的理論解. 命題1和命題2的結(jié)果表明:存在一種灰度變換函數(shù)，使類間方差達到最大. 命題3的結(jié)果及實驗數(shù)據(jù)表明：存在一種分段灰度變換函數(shù)，使OTSU算法類間方差達到最大，并能較好地分割裂紋缺陷.