2.2.3 二维熵分割

为了克服一维熵分割的缺点，人们提出了二维熵分割。二维熵分割算法采用二维 熵来度量像素以及其邻域中像素之间的信息相关性[3]，可以用一个模板（比如 3X3 的 模板）中的像素的灰度均值来度量邻域相关信息。这样，当空间相关信息量为最大时

[3] ，可以认为是最佳阈值。算法的步骤如下：

①计算出图像中每个像素的联合概率 p(i,j);

P(i,j) = （2—5）

其中 为灰度值为 i,模板中的像素的灰度均值为 j 的像素个数， 为整个图像 总的像素个数。

②选取一个初始阈值 = (0),将图像分成 4 个部分，如图 2.5 所示：来!自~吹冰论-文|网www.chuibin.com

图 2.5 二维直方图及其划分

由 2.5 图可知，阈值（s,t）将二维直方图划分为 4 部分。其中区域 0 表示背景，区 域 1 表示前景，区域 2 表示边缘信息，区域 3 表示噪声信息。研究表明，通常区域 2

和 3 所包含的信息都特别少，为了简化算法，故忽略这两个区域