[Matlab]如何挑出圖像中隱藏的細節(1)? 自適應閥值挑選之迭代法(iteration method)

科技發達和資訊爆炸的時代帶來了快節奏的生活型態，不僅僅是人與人之間的溝通時間縮短了，閱讀報章雜誌也很難如祖父母時代一樣，戴著老花眼鏡慢慢地細嚼品嘗，往往以瀏覽或是匆匆一瞥的方式快速帶過，唯有夠吸睛和夠勁爆的圖像爭取到多幾秒的目光停留，挑戰傳統尺度並將重要的細節強調再強調，是這些圖像的共同之處。(OS: 蘋果日報如此受歡迎不是沒有原因的~~ )

換個角度來說，若能有效地強調圖像中被隱藏或不容易直接被觀察的重要細節，不止吸引目光，同時使閱讀者容易且快速地了解欲表達的重點。上左圖是一張COB光源的圖像，若有時間仔細看的話，可發現圖像中有一些長方型晶粒。若沒有時間看的話，可以直接看上右圖，其係利用二值化將長方晶粒強調出來，以進一步取得晶粒個數等等所需資訊，清楚明瞭。

二值化(Binary)是圖像處理的方法之一，藉由圖像直方圖的分佈來選定適當的灰階閥值(Threshold value) Tn，當灰階值大於Tn時，灰階值重新定義為255，當灰階值小於Tn時，灰階值重新定義為0，因此二值化後的圖片為黑白照片，僅有0(黑)和255(白)兩種灰階值，進而使得隱藏細節被強調出來。圖一說明當圖像直方圖出現明顯的波峰時，位於波谷的閥值將可區分出圖像中兩種不同灰階族群，是最佳選定閥值，如圖一綠色垂直線所示。

圖一

然而，當需要批量處理大量圖像時，手動調整閥值的工作就相對耗時，因此善用自適應演算法以選出最佳閥值是比較合適的作法，換言之，將上述提及的閥值選定準則程式化，交由計算機進行判斷和篩選。自適應挑選的演算法常用的有迭代法和大津法則(OTSU)，其中迭代法定義初始閥值T0，係直方圖中的最多和最少像素的兩個灰階值之平均值，並計算由T0切割的兩個族群個別的平均灰階值之平均值T1，接著比較T1和T0的差距條件，若滿足條件，則T1為迭代法選定的最佳閥值。

圖二是利用matlab簡易實現迭代法的程式碼，其中為了避免直方圖中具有兩個以上等值的最大值或是最小值，因此初步加入最大值和最小值的挑選法則(即預設挑選第一個，若無法順利達到二值化的效果，可以自行修正)，以確保該程式碼讀取不同圖像均可順利執行。另外，也加入前後閥值差距條件，若滿足條件，即跳出迴圈。本文首頁的Binary image即是利用該程式碼實現的結果。

圖二

圖三清楚地標示迭代法中的閥值選定過程，編號1~4分別表示第一次至第四次迴圈所挑選出來的閥值位置，當滿足差距條件後，閥值落在編號4的位置，最佳閥值為197。

圖三

另外，二值化圖像處理的手法常被應用於螢光標定的領域，利用二值化後的圖片並藉由圖像區域的面積計算，可協助判定螢光與被標定物之間的反應程度。圖四左圖是一張螢光標定的圖像，圖四右圖為利用上述程式碼測試後的結果，並由圖五可知，其最佳閥值為57，即編號4的位置，大約是兩個波峰之間的谷底平坦處，所以可有效地區分出圖像的前後景。

圖四

圖五

雖然上述經由迭代法所得到的結果還不錯，但由運算過程中明顯可知，迭代法仍受制於初始閥值的選定以及直方圖的分佈狀況，尤其是無明顯的峰值族群的直方圖分佈，其二值化效果就顯得不佳。

延伸閱讀:[Matlab]如何挑出圖像中隱藏的細節(2)? 自適應閥值挑選之大津法則(OTSU method)