基于迭代阈值的女书分割算法研究
基于灰度迭代阈值的高分辨率影像分割研究
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ Ａｓ ３ ｋ ｉ ｎ ｄ ｏ ｆ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｍｅ ｔ ｈ ｏ ｄ ｉ ｎ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｉ ｍａ ｇ ｅ ｉ ｎ ｔ ｅ ｒ ｐ ｒ ｅ ｔ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ，
Ｊ ｕ Ｉ Ｌ，２ ０ １ ３
文章编号 ： １ ０ ０ ０ —２ ３ ７ ５ （ ２ ０ １ ３ ） ０ ２ —０ ２ ５ ２— ０ ６
基 于 灰 度迭 代 阈值 的高 分 辨 率影 像 分 割研 究
谢 凯 ， 王新 生
（ １ ． 湖北大学资源环境学院 ， 湖北 武汉 ４ ３ ０ ０ ６ ２ ； ２ ． ０ ０ ６ ２ ） 摘要 图像分割技术 为遥感 图像解译 和分类 的一种重要方法 ， 目前 主要 应用在中分 辨率影像 中， 由于高分辨 率影 像
ＸＩ Ｅ Ｋａ ｉ ， Ｗ ＡＮＧ Ｘｉ ｎｓ ｈｅ ｎ ｇ
（ １ ． Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｒｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ａ ｎ ｄ Ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍｅ ｎ ｔ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ， Ｈｕ ｂ ｅ ｉ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｗｕ ｈ ａ ｎ ４ ３ ０ ０ ６ ２， Ｃｈ ｉ ｎ ａ ；
ｐ ａ ｐ ｅ ｒ ，ｗｅ ａ ｐ ｐ ｌ ｉ ｅ ｄ ｔ ｈ ｅ ｎ ｏ ｉ ｓ ｅ ｓ ｕ ｐ ｐ ｒ ｅ ｓ ｓ ｉ ｏ ｎ ａ ｎ ｄ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ ｔ ｏ ｉ ｍｐ ｒ ｏ ｖ ｅ ｉ ａ ｇ ｍ ｅ ｓ ｅ ｍ ｅ ｇ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｅ ｆ ｆ ｅ ｃ ｔ
自动阈值迭代法及Otsu法实验报告
数字图像处理实验自动阈值迭代法及Otsu法姓名：学好：指导老师：王韬时间：2012年5月自动阈值迭代法及Otsu法实验报告一、实验原理大津法由大津于1979年提出，对图像Image，记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。
图像的总平均灰度为：u=w0*u0+w1*u1。
从最小灰度值到最大灰度值遍历t，当t使得值g=w0*(u0-u)2+w1*(u1-u)2 最大时t即为分割的最佳阈值。
对大津法可作如下理解：该式实际上就是类间方差值，阈值t分割出的前景和背景两部分构成了整幅图像，而前景取值u0，概率为 w0，背景取值u1，概率为w1，总均值为u，根据方差的定义即得该式。
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。
二、实验步骤自动阈值（迭代法）步骤（1）估计一个阈值T（比如均值）（2）用阈值T将灰度直方图分割成两个区域R1、R2（3）分别计算两个区域R1、R2内的灰度平均值u1和u2（4）选择新阈值T=(u1+u2)/2（5）重复上述工作3~5次，直到前后两次的阈值不变自动阈值（Otsu法）步骤（1）.计算直方图（2）.设置初值：wi(0)以及ui(0)（3）.从1到最大值设置阈值T。
更新wi (t)以及ui (t)。
计算σb(t) * σb(t)。
（4）.选取最大σb(t) * σb(t)对应的T三、实验程序#include <afx.h>#include <windows.h>#include <iostream.h>#include <stdlib.h>#include <math.h>int nWidth; //图像宽度int nHeight; //图像高度int nColorBits; //每个像素所占位数int nColor; //图像颜色数int nLen; //图像文件大小，以字节数计int nByteWidth; //图像每行字节数BYTE *lpBitmap; //指向图像首字节的指针BYTE *lpBits; //指向图像实际数据的指针void OpenFile(CString FileName);void SaveFile(CString FileName);void OtusTHreshold(void);/*函数名称OpenFile() 功能：读取一幅BMP图像*/void OpenFile(CString FileName){//创建文件语句HANDLEhFile=::CreateFile(FileName,GENERIC_READ,FILE_SHARE_READ,NULL,OPEN _EXISTING,FILE_ATTRIBUTE_NORMAL,NULL);if(hFile==0){printf("不能打开文件，请重新选择！\n");return;}//读取图像文件DWORD WriteNum;BITMAPFILEHEADER BFH;//文件头ReadFile(hFile,&BFH,14,&WriteNum,NULL);//读取文件头，共14个字节if((BFH.bfType!='MB')||(WriteNum!=sizeof(BITMAPFILEHEADER))){printf("不是BMP位图文件或数据有误！\n");return;}nLen=GetFileSize(hFile,NULL)-sizeof(BITMAPFILEHEADER);//获取文件的长度lpBitmap=new BYTE[nLen];//存放图像，包括图像的信息头、调色板和像素数据ReadFile(hFile,lpBitmap,nLen,&WriteNum,NULL);//读取图像数据//设置全局变量的值BITMAPINFOHEADER *BIH=((BITMAPINFOHEADER *)lpBitmap);//图像文件的信息头nWidth=BIH->biWidth;//图像的宽度nHeight=BIH->biHeight;//图像的高度nColorBits=BIH->biBitCount;//图像的颜色数nByteWidth=(nWidth*nColorBits+31)/32*4;//图像的扫描宽度nColor=(nColorBits>8)?0:(1<<nColorBits);//调色板中的颜色数lpBits=lpBitmap+sizeof(BITMAPINFOHEADER)+sizeof(RGBQUAD)*nColor;//指向图像数据的实际位置CloseHandle(hFile);//关闭文件句柄}/*函数名称SaveFile() 功能：保存一幅BMP图像*/void SaveFile(CString FileName){//创建一个文件来保存图像文件HANDLEhFile=::CreateFile(FileName,GENERIC_WRITE,FILE_SHARE_WRITE,NULL,CR EATE_ALWAYS,FILE_ATTRIBUTE_NORMAL,NULL);if(hFile==0){printf("不能创建文件，请重新选择！\n");return;}//创建一个文件头，并保存到创建的文件中unsigned long WriteNum;BITMAPFILEHEADER BFH;BFH.bfType='MB';BFH.bfSize=nLen+sizeof(BITMAPFILEHEADER);BFH.bfOffBits=sizeof(BITMAPFILEHEADER)+sizeof(BITMAPINFOHEADER)+n Color*sizeof(RGBQUAD);BFH.bfReserved1=BFH.bfReserved2=0;WriteFile(hFile,&BFH,sizeof(BITMAPFILEHEADER),&WriteNum,NULL);//保存改变的位图文件数据WriteFile(hFile,(BITMAPINFOHEADER*)lpBitmap,nLen,&WriteNum,NULL);CloseHandle(hFile);//关闭文件句柄}/*图像分割Otsu法*/void Otus(void){int i,j;//循环变量int nGrayHistogram[256];//灰度直方图数组，并初始化memset(nGrayHistogram,0,sizeof(nGrayHistogram));//统计各个灰度级对应的像素个数，并存放到灰度直方图数组中int nPixel;for(j=0;j<nHeight;j++){for(i=0;i<nWidth;i++){nPixel=lpBits[nByteWidth*j+i];//获取当前像素点的灰度值nGrayHistogram[nPixel]++;//对灰度值统计计数}}float u0,u1;//c0组和c1组的均值float w0,w1;//c0组和c1组的概率int nCount0;//c0组的像素总数int nT,nBestT;//阈值和最佳阈值（对应方差最大时的阈值）float fVaria,fMaxVaria=0;//方差和最大方差//统计直方图中像素点的总数，并存放到nSum中int nSum=0;for(i=0;i<256;i++)nSum+=nGrayHistogram[i];//令阈值nT从0遍历到255for(nT=0;nT<256;nT++){//当阈值为nT时，计算c0组的均值和概率u0=0;nCount0=0;for(i=0;i<=nT;i++){u0+=i*nGrayHistogram[i];nCount0+=nGrayHistogram[i];}u0/=nCount0;w0=(float)nCount0/nSum;//当阈值为nT时，计算c1组的均值和概率u1=0;for(i=nT+1;i<256;i++)u1+=i*nGrayHistogram[i];u1/=(nSum-nCount0);w1=1-w0;fVaria=w0*w1*(u0-u1)*(u0-u1);//计算两组间的方差if(fVaria>fMaxVaria)//记录最大方差和最佳阈值{fMaxVaria=fVaria;nBestT=nT;}}//利用最佳阈值对源图像作分割处理for(j=0;j<nHeight;j++){for(i=0;i<nWidth;i++){if(lpBits[j*nByteWidth+i]<nBestT)lpBits[j*nByteWidth+i]=0;elselpBits[j*nByteWidth+i]=255;}}}void main(){char OpenFileName[200];char SaveFileName[200];cout<<"请输入图像路径"<< endl;gets(OpenFileName);cout<<"请输入保存图像路径"<< endl;gets(SaveFileName);OpenFile(OpenFileName);Otus();cout<<"已完成!"<< endl;SaveFile(SaveFileName);delete []lpBitmap;}四、实验结果原图像：处理后图像：。
迭代法阈值分割
迭代法阈值分割
迭代法阈值分割是将图像根据其灰度值划分成两个不同的区域的分割
方法。
该方法基于不同灰度级别的像素点在一定阈值下的分布情况。
迭代
法的过程是：首先将图像的灰度值按照一定方式分类，再计算每个分类的
平均值作为阈值，然后将这个阈值与原来设置的阈值进行比较，如果不相等，则再次分类，直到阈值不再改变，即分割结束。
迭代法阈值分割的步骤如下：
1.设置初始阈值（一般是灰度值的平均值）。
2.将图像的灰度值按照阈值分为两个区域。
3.分别计算两个区域的平均灰度值。
4.将计算出的平均灰度值作为新的阈值，与原来的阈值进行比较。
5.如果两个阈值相同，则分割结束；如果不同，则将新的阈值作为初
始阈值，重新进行分割。
6.重复步骤2至步骤5，直到阈值不再改变，分割结束。
迭代法阈值分割是一种简单的图像分割方法，但是结果可能不够理想，因为它不能处理图像中灰度值分布不均匀的情况，也不能处理图像的噪声。
因此，在实际应用中需要结合其他方法来提高分割效果。
一种基于遗传算法的最优阈值图像分割算法
一种基于遗传算法的最优阈值图像分割算法
童小念;刘娜
【期刊名称】《武汉理工大学学报（交通科学与工程版）》
【年(卷),期】2008(032)002
【摘要】为了提高图像分割效率,提出一种基于遗传算法的最优阈值搜索方法OTSGA.OTSGA算法对图像的灰度级进行二进制编码,生成初始种群,求出每个个体的二维最大熵,然后根据设定的寻优准则进行相应的遗传操作以搜索阈值最优解.为了避免在求解过程中出现早熟现象,OTSGA算法将交叉操作得到的个体群与上一代种群混合,得到新的种群进行遗传操作,避免了个别个体在遗传运算的最初迭代时就在种群中占据主导地位,导致求解过程的过早收敛.实验结果表明,OTSGA最优阈值搜索方法不仅降低了运算开销,而且获得了满意的图像分割效果.
【总页数】4页(P301-304)
【作者】童小念;刘娜
【作者单位】中南民族大学计算机科学学院,武汉,430074;中南民族大学计算机科学学院,武汉,430074
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于遗传算法的图像阈值分割算法研究 [J], 相卓
2.基于改进遗传算法的最佳熵多阈值三维医学图像分割算法 [J], 王毅;牛奕龙;田沄;
董建园;郝重阳
3.基于遗传算法的二维双阈值Otsu图像分割算法 [J], 金元郁;张洪波;冯宇
4.基于遗传算法的最优直方图阈值图像分割算法 [J], 王亮申;欧宗瑛;侯杰;于京诺;朱玉才;曲衍国;王保卫;宋进桂
5.基于改进遗传算法的最优阈值图像分割算法 [J], 孙艳歌;邵罕
因版权原因，仅展示原文概要，查看原文内容请购买。
基于迭代阈值的女书分割算法研究
基于迭代阈值的女书分割算法研究摘要：女书文字图像分割是女书信息化处理中一个重要的环节，是进一步进行女书识别的基础。
介绍了迭代阈值分割方法的基本原理，程序流程，并将其运用到女书文字分割当中。
实验表明，该算法在女书文字分割中运行时间短，阈值选择准确，取得了较好的分割效果。
关键词：迭代阈值；女书；图像分割0 引言随着光学字符识别(OCR)技术的发展，越来越多的文字采用OCR 技术进行信息化处理。
女书作为一种濒临灭绝的文字，采用OCR技术对复杂背景下女书文字的识别，对保护女书具有非常重要的理论意义和实用价值。
女书文字图像分割是女书文字特征提取和女书文字识别的基础，其质量的好坏将直接影响到后续女书特征提取及识别的效果，因此，作为文字识别基础的文字分割是至关重要的。
本文将迭代阈值图像分割算法应用到女书文字分割中，该算法具有较快的运行速度，取得了较好的分割效果。
1 阈值处理阈值处理又叫门限处理，是区域分割技术的一种，利用图像中目标和背景在灰度上的差异，选择一个或多个合适的阈值，通过判断图像中每个像素点的特征属性是否满足阈值的要求来确定图像中该像素点属于目标区域还是背景区域，从而产生二值图像，对于目标与背景有较强对比度的图像具有良好的效果。
阈值处理分为局部阈值处理和全局阈值处理。
常用的局部阈值处理有Niblack法，Bernsen法等，局部阈值处理对文字图像进行分割时，由于需要分析局部领域的灰度分布情况，处理速度较慢，同时还会出现伪影等问题。
典型的全局阈值处理有迭代阈值法、大津法和最大熵方法等，全局阈值算法简单，对于目标和背景明显分离，直方图分布呈双峰的图像效果良好，对于噪声干扰较大的非双峰直方图分布的图像，分割效果较差。
实验采用的女书文字图像目标和背景明显分离，易采用全局阈值处理。
在全局阈值处理中，大津法虽效果较好，但运行速度较慢，而迭代阈值法运行速度较快，分割效果也较好。
2 迭代阈值2.1 迭代阈值原理迭代阈值选择方法的基本思想是：选择一个阈值作为初始值，然后按照某种策略不断地改进这一估计值，每个新阈值应优于上次阈值，直到满足给定的准则为止。
图像阈值分割方法研究进展20年(1994-2014)
图像阈值分割方法研究进展20年(1994-2014)吴一全;孟天亮;吴诗婳【期刊名称】《数据采集与处理》【年(卷),期】2015(030)001【摘要】阈值分割是图像分割领域中使用最为普遍的一类简单而有效的方法,多年来受到许多学者的广泛关注,发表了大量的研究成果.作者曾于20年前对1962-1992年阈值分割的研究状况做了一个阶段性的回顾与总结.时至今日,阈值分割方法已经获得了巨大的发展,新思路、新方法层出不穷.本文旨在对近20年来阈值分割领域常用的一些方法再次进行概括和分类,其中包括近年来新提出的阈值分割方法,也包括对经典方法的改进.文中给出了这些方法的基本思想和公式,阐明了各种方法的特点及其适用范围,以期为今后阈值分割的相关研究提供一些思路和启迪.【总页数】23页(P1-23)【作者】吴一全;孟天亮;吴诗婳【作者单位】南京航空航天大学电子信息工程学院,南京,210016;华中科技大学数字制造装备与技术国家重点实验室,武汉,430074;南京理工大学江苏省社会安全图像与视频理解重点实验室,南京,210094;南京水利科学研究院港口航道泥沙工程交通部重点实验室,南京,210029;长江科学院武汉市智慧流域工程技术研究中心,武汉,430010;南京航空航天大学电子信息工程学院,南京,210016;南京航空航天大学电子信息工程学院,南京,210016【正文语种】中文【中图分类】TN911.73;TP391.41【相关文献】1.基于二维直方图的彩色图像全局阈值分割方法研究 [J], 韩玲燕;王佳丽2.基于HS通道的大豆图像自适应阈值分割方法研究 [J], 姚雨晴;张武;宋一帆;左冠鹏;徐伟豪;李绍稳3.基于HS通道的大豆图像自适应阈值分割方法研究 [J], 姚雨晴;张武;宋一帆;左冠鹏;徐伟豪;李绍稳4.改进GSO与二维OTSU融合的红外图像多阈值分割方法 [J], 刘沛津;王曦;贺宁5.钢坯表面点印字符图像自适应阈值分割方法 [J], 张家财;张良力;曾飞因版权原因，仅展示原文概要，查看原文内容请购买。
一种改进的快速迭代阈值选择算法
一种改进的快速迭代阈值选择算法杨培;陈沿锦;贾金芳;姚荷花;任洋甫【摘要】针对迭代阈值选择算法每次迭代计算灰度阈值的过程存在大量重复计算的问题,提出了基于均值累计和频次累计的快速迭代阈值选择算法.对快速迭代阈值选择算法和迭代阈值选择算法阈值计算的时间开销及图像二值化分割进行了实验分析,结果表明:文中提出的快速迭代阈值选择算法可有效的对实验图像进行二值化,该算法可显著降低迭代过程的时间开销.当图像尺寸达到10000?10000时,快速迭代阈值选择算法的时间消耗可降低至迭代阈值选择算法的10%,验证了快速迭代阈值算法的有效性.【期刊名称】《青海大学学报（自然科学版）》【年(卷),期】2018(036)003【总页数】6页(P34-39)【关键词】迭代阈值选择法;快速迭代阈值选择法;图像二值化;图像分割【作者】杨培;陈沿锦;贾金芳;姚荷花;任洋甫【作者单位】青海大学计算机技术与应用系,青海西宁 810016;青海大学计算机技术与应用系,青海西宁 810016;青海大学计算机技术与应用系,青海西宁 810016;青海大学计算机技术与应用系,青海西宁 810016;青海大学计算机技术与应用系,青海西宁 810016【正文语种】中文【中图分类】TP391.41图像分割是指将图像中有意义的特征区域或需要应用的特征区域提取出来[1]。
图像分割技术被广泛应用于医学、农业、遥感、公共安全等[2-5]领域。
作为高级图像处理应用的基础步骤，图像分割算法的性能将直接影响最终的处理结果。
现有的图像分割技术中，基于阈值的分割方法是一种广泛使用的图像分割技术。
阈值分割方法的基本原理为通过计算不同的阈值将图像中的像素划分为几个类别，当只有一个用于划分类别的阈值时称为单阈值分割，单阈值分割将图像中的像素分为前景和背景。
若原始图像为f(x,y)，阈值为T，输出图像为g(x,y)，其中(x,y)为像素在图像中位置坐标，则阈值分割后输出图像与原始图像之间的关系为：f(x,y)>T 时，g(x,y)=1表示该像素为前景像素；f(x,y)T时，g(x,y)=0表示该像素为背景像素。
基于阈值法的图像分割
数字图像处理课基于阈值法的图像分割实验目的：利用图像分割技术中阈值分割中的迭代法实现图像分割。
实验原理：迭代法原理迭代法的的设计思想是，开始时选择一个阈值作为初始估计值， 然后按某种策略不断的改进这一估计值，直到满足给定的准则为止。
在迭代过程中，关键之处在于选择什么样的阈值改进策略。
好的改进 策略应该具备两个特征：一是能够快速收敛，二是在每一个迭代过程 中，新产生的阈值优于上一次的阈值。
下面介绍一种迭代法：① 选择图像灰度的中值作为初始阈值Th② 利用阈值Th 把图像分割为两个区域C i 和C 2，用下式计算区域C i 和C 2的灰度均值J 1和J 2•"丄7 f(x,y) (i =1,2)，N Ci 为第i 类中的像素个数 N C i (x,y)£i③ 计算出Ji 和J 后，用下式计算出新的阈值Th new ④ 重复②和③，直到Th new 和Th 的差小于某个特定的值实验程序源代码:%读取图像 %将真彩色图像转换为灰度图像 %把灰度图像的数据类型转换成转换成双精度浮点类型 g=f>=T;Tn=0.5*(mea n(f(g))+mea n(f(~g)));don e=abs(T-T n)<0.1;T=T n;endT r=im2bw(f,T); %使用阈值变换法把灰度图像转换成二值图像 clc;clear all;f=imread('1.jpg');f=rgb2gray(f);f=im2double(f);T=0.5*(min(f(:))+max(f(:))); done=false;while ~do nefigure,imshow(f),title('原图');figure,imshow(r),title('迭代法');实验结果：实验用了三幅图像，结果如下:file Edit View Insert Taals Desktop Window Help原團%显示一张二值图像I 口丨回File Edit View Insert Tools Desktop Window Help Dc^QS □S|"B EM Figure 1CD回JM Figure 2 [ 口 [回File Edr Viev Inser Tool Desktc Windo Helt、MM迭代法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于迭代阈值的女书分割算法研究
摘要：女书文字图像分割是女书信息化处理中一个重要的环节，是进一步进行女书识别的基础。
介绍了迭代阈值分割方法的基本原理，程序流程，并将其运用到女书文字分割当中。
实验表明，该算法在女书文字分割中运行时间短，阈值选择准确，取得了较好的分割效果。
关键词：迭代阈值；女书；图像分割
0 引言
随着光学字符识别(OCR)技术的发展，越来越多的文字采用OCR 技术进行信息化处理。
女书作为一种濒临灭绝的文字，采用OCR技术对复杂背景下女书文字的识别，对保护女书具有非常重要的理论意义和实用价值。
女书文字图像分割是女书文字特征提取和女书文字识别的基础，其质量的好坏将直接影响到后续女书特征提取及识别的效果，因此，作为文字识别基础的文字分割是至关重要的。
本文将迭代阈值图像分割算法应用到女书文字分割中，该算法具有较快的运行速度，取得了较好的分割效果。
1 阈值处理
阈值处理又叫门限处理，是区域分割技术的一种，利用图像中目标和背景在灰度上的差异，选择一个或多个合适的阈值，通过判断图像中每个像素点的特征属性是否满足阈值的要求来确定图像中该像素点属于目标区域还是背景区域，从而产生二值图像，对于目标与背景有较强对比度的图像具有良好的效果。
阈值处理分为局部阈值处理和全局阈值处理。
常用的局部阈值处理有Niblack法，Bernsen法等，局部阈值处理对文字图像进行分割时，由于需要分析局部领域的灰度分布情况，处理速度较慢，同时还会出现伪影等问题。
典型的全局阈值处理有迭代阈值法、大津法和最大熵方法等，全局阈值算法简单，对于目标和背景明显分离，直方图分布呈双峰的图像效果良好，对于噪声干扰较大的非双峰直方图分布的图像，分割效果较差。
实验采用的女书文字图像目标和背景明显分离，易采用全局阈值处理。
在全局阈值处理中，大津法虽效果较好，但运行速度较慢，而迭代阈值法运行速度较快，分割效果也较好。
2 迭代阈值
2.1 迭代阈值原理
迭代阈值选择方法的基本思想是：选择一个阈值作为初始值，然后按照某种策略不断地改进这一估计值，每个新阈值应优于上次阈值，直到满足给定的准则为止。
在迭代中，每次选择最“显著”的峰值，这种算法利用不断更新的子图像直方图，越来越细地考虑了图像的局部特性，迭代阈值法进行图像分割的具体步骤如下：
(1)求出图像中最小灰度值和最大灰度值，分别记为Z min 和Z max，则初始阈值T0=(Z min+Z max )/2。
(2)根据阈值T k将图像分割成目标区域和背景区域两部分，计算两部分的平均灰度值Z O和Z B：
Z O=∑T ki=0h i•i/∑T ki=0h i(1)
Z B=∑255i=T k+1h i•i/∑255i=T k+1h i(2)
其中，h i为灰度值为i值所出现的次数。
(3)计算出Z O和Z B后，用式子T k+1=(Z O+Z
B)/2来计算出新阈值T k+1。
(4)如果T k+1=T k，T k 即为所求的阈值，则算法结束，否则转步骤(2)。
(5)根据以上步骤所得的阈值T k，将灰度图像中的每一个像素点与之比较，小于T k的像素点划分为目标区域中的点，大于等于T k的像素点划分为背景区域中的点。
即
g(i,j)=1,f(i,j)≥T k0,f(i,j)＜T k(3)
2.2 迭代阈值流程图
根据上一节所介绍的迭代阈值法进行图像分割的原理和步骤，设计的迭代阈值法的程序流程图如图1所示。
图1 迭代阈值程序流程图
2.3 迭代阈值图像分割的C++Builder实现
对于以上算法使用C++Builder6.0实现，主要模块有Histogram()、GetFirstThreshold()、Iterative()，其中Histogram()对灰度图像进行灰度级统计，GetFirstThreshold()返回图像中灰度值最大与最小值和的一半，Iterative()进行迭代法求阈值。
具体代码如下：
从表中可知迭代阈值法和大津法的阈值选取接近，但是大津法运行速度较慢，这主要是由于大津法对图像进行多次遍历，取使目标与背景类间方差最大的值作为最终阈值，而迭代阈值的运行时间主要取决于迭代次数，本文迭代阈值法对选取的女书文字图像的迭代5次就获得了全局最佳阈值。
对原始图像的分割效果如图3所示。
4 结束语
图像阈值分割是图像处理中非常重要的技术之一，其
算法有很多，经实验比较，迭代阈值分割方法可以较快地获得比较令人满意的结果，其迭代次数少，运行时间快，达到了快速自动对女书文字图像进行分割的目的。
参考文献：
［1］冈萨雷斯．数字图像处理(第二版)［M］．北京：电子工业出版社，2007．
［2］杨淑莹．VC++图像处理程序设计(第2版)［M］．北京：清华大学出版社&北京交通大学出版社，2005．
［3］李幼仪．C++Builder高级应用开发指南［M］．北京：清华大学出版社，2002．
［4］邓林华，许骏，程向明．基于迭代阈值的太阳像分割算法的应用研究［J］．计算机与现代化，2010(10)．
［5］周敬．图像分割中阈值法的研究［J］．机电技术，2010(1)．［6］刘赛，李益东．彝文文字识别中的文字切分算法设计与实现［J］．中南民族大学学报(自然科学版)，2007(3)．。