2　算法的效果及分析

　　2.1　分割方法

　　试验时采用全局阈值分割的方法。全局阈值分割的优点为运用单一阈值对整个图像进行分割,简单高效,但自适应性较差。对于在不同背景下采集到的树木图像,阈值将有所不同。在实验室里采集两幅不同光照条件下绿色模拟树木图像,并用不同的阈值进行图像分割。由于(R+B+G)/3这一因子仅仅使像素有足够的强度,因此在分割过程中,(R+B+G)/3的阈值是不变的,在两次分割中都将其设定为50。分割效果如图1所示。

　　2.2　图像分析

　　图1-1(a1)为在晚上日光灯照射下采集到的模拟树木图像,图1-1(b1)、(c1)、(d1)、(e1)和(f1)为其在不同的2×G/(R+B)阈值下的分割结果。图1-1(b1)、(c1)、(d1)、(e1)、(f1)阈值分别为1.0,1.1,1.2,1.3,1.4。从图1-1中可以看出当阈值较小时,部分背景会被错误地划分为目标。而当阈值较大时,则会出现目标缺失。选取适当的阈值,分割的效果较好(图1-1(d1))。