工业视频内窥镜图像阈值分割方法原理
工业视频内窥镜图像分割是依据图像的灰度、颜色或几何性质将图像中具有特殊含义的不同区域分割开来，这些区域是互不相交的。对孔探图像进行分割处理是为了更好的提取图像的边缘特征，分割的准确性直接影响后续任务的有效性。在众多的图像分割算法中，阈值分割是常用并且简单有效的方法。基于阈值选取的图像分割方法是通过提取目标物体与背景在灰度上的差异，把图像分为具有不同灰度级的目标区域和背景区域的组合。阈值法对物体和背景对比较强的景物分割有着很强的优势，计算较为简单，并且可以用封闭和连通的边缘定义不交叠的区域，是图像分割中最有效的技术之一。
最大类间方差法图像分割
阈值分割法的结果很大程度上依赖于对阈值的选择，最大类间方差法(又称Otsu法、大津法)被认为是阈值自动选取方法的最优方法之一。它是由日本学者大津展之提出的一种全局阈值选取法，是从最小二乘法原理的基础上推导出来的，其基本思路是：如果一幅图像由一个物体和背景构成，物体与背景有不同灰度值，将图像的直方图以某一灰度为阈值分成目标和背景两类，并计算两类间的方差，当被分成的两组之间的方差最大时，就以这个灰度值为阈值分割图像。该算法中的判决准则是基于图像直方图一阶统计特性的，具有运算简单、速度快等优点，特别是对于信噪比较高的图像具有很好的分割效果．由于方差是衡量图像中像素灰度分布均匀性的一个度量，方差值越大，说明组成图像的背景和目标两部分的差别越大．当部分背景被错误的划分为目标或者部分目标被错误的划分为背景时，会导致两部分的差别变小．因此，最大类间方差法实际上是以错分概率最小作为分割阈值的选取准则的． |
