ENVI/IDL笔记（6）基于IDL的图像二值化(大律法)

“

在图像处理中，我们经常会遇到通过利用目标物与背景的对比差异来提取目标物信息。这就用到图像阈值处理了，它把图像视为具有不同灰度级的两类区域（目标与背景）的组合，选取一个合适的阈值以确定图像中每个像素点应该属于目标还是背景，从而产生相应的二值图像。比如在水体边界的提取、煤火区的识别等都需要求算阈值，今天我们说说大律法阈值分割。

 

方法

1

大律法

大律法是日本学者大津在1979年提出，主要是利用最大类间方差，将图片分为前景和背景两个部分。因方差是灰度分布均匀性的一种度量，方差值越大,说明构成图像的两部分差别越大,，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。
类间方差法对噪音和目标大小十分敏感，它仅对类间方差为单峰的图像产生较好的分割效果。当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。

2

image_threshold

函数image_threshold为8位或16位图像生成一个阈值

语法：

result = image_threshold(image[, /byimage] [, histmax=value] [, histmin=value] [, /interleave] [, /invert] [, /mask_invert] [, nbins=value] [, threshold=variable] [, /isodata | , /maxentropy | , /mean | , /minerror | , /moments | , /otsu])

关键字threshold返回阈值。

本文中TM反演得到的LST数据为例，进行演示。

参考代码

结果分析

本例中使用大律法求得阈值为35.451908，以阈值为界进行目标物与背景的分割，随后进行分段拉伸，突出目标信息。也可以再次求算阈值对目标进行分级处理。

▲分段拉伸前后