基于粒子群优化的Otsu的刀具侧面图像阈值分割

牛孝通　马英辉　冯正林

摘要：文中分别利用一维最大熵法、一维Otsu法及二维Otsu法对刀具磨损图像进行处理。相比较而言，二维Otsu法是一种效果较好的图像分割方法。针对二维Otsu在寻找最佳阈值时计算量大，提出了基于粒子群算法优化的二维Otsu法阈值分割方法。实验表明，在设定了合适的粒子群算法参数条件下，该算法不仅可精准地完成刀具磨损图像的分割，且提高了分割效率。

关键词：刀具图像；阈值分割；Otsu法；粒子群算法

1概述

近年来机械制造自动化的迅速发展，机械工件加工过程中刀具的磨损常常会影响加工工件的质量，造成材料浪费，提高了生产的成本。而通过利用图像处理法对刀具磨损的图像的分析和处理，检测刀具磨損的状态对于提高自动化加工效率和节约生产成本有着十分重要的作用。

图像分割是图像处理和计算机视觉中最重要的技术之一，其目的是将图像分为目标区域和背景区域，便于后期分析目标区域。图像分割方法包括阈值法、边缘检测法、区域跟踪法等。阈值分割是目前应用较为广泛且实现起来较为简单的一类图像分割方法，其最重要的地方在于如何有效且准确地选择最佳阈值。阈值分割方法如人工选择法、迭代法、一维最大熵法、最大类间方差阈值分割法等。

粒子群算法（Particle Swarm Optimization，PSO）最早是由Eberhart和Kennedv于1995年提出，它的基本概念源于对鸟群觅食行为的研究，基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。将粒子群算法与二维Otsu法相结合，能很好实现对刀具侧面图像的分割，分析磨损状态，进而优化切削参数，减缓刀具磨损，延长刀具寿命节约成本。本文采用粒子群算法寻找最优阈值，通过实验结果表明，该算法不仅能寻找到全局最优阈值，而且运算的时间很短。