Page 78 - 2022年第53卷第1期
P. 78
像素点个数×10 5
图 5 原始冰凌灰度直方图
值为分割阈值，如图 5 所示原始图像灰度值不存在两个明显的波峰，所以本研究不采用直方图技术
法。迭代法 ［39］ 是通过选择初始阈值，基于阈值迭代逼近思想，直至得到满足给定的准则的最佳阈
值；OTSU 算法 ［40］ 按照图像的灰度特性将图像分为背景和目标两部分，以目标和背景的类间方差最大
为阈值选择原则，自动确定最佳阈值。
本研究从 2400 张原始冰凌图像中选取流凌初期、流凌中期和流凌末期 3 个阶段的冰凌图像，根
据冰凌的颜色、形态，人为将冰凌从图片中分割出来，转化为二值图像，将得到的冰凌分布密度作
为该情况下的标准，再分别采用迭代法和 OTSU 算法进行阈值分割处理，冰凌分布密度处理效果如图
6 所示。
（a） 流凌中期冰凌图像 （b） OTSU 算法处理冰凌图像 （计算冰凌密度 45.26%，运行时间 1.06s）
（c） 迭代算法处理冰凌图像 （计算冰凌密度 （d） 人工提取法处理冰凌图像 （计算冰凌密
44.91%，运行时间 4.69s） 度 46.23%）
图 6 冰凌分布密度计算效果对比
结果表明，对比 OTSU 算法和迭代算法的冰凌分布密度计算结果，流凌初期，OTSU 算法和迭代
算法与人工提取冰凌图像计算结果相差分别为 1.39%和 0.03%，图像分割效果较好；流凌中期，OTSU
— 73 —
