i_"(s，t) (6)
[003引 y。（s, t) = y …(X，t) - y …（s, t) (7)
[0034] y u (s, t) = y …（s, M) - y …（s, t)巧）
[003引其中，yHi為
對應的積分圖所構成的數據矩形區域；i為化SC直方圖 X軸的坐標，j為化SC直方圖Y軸的坐標；Pu為像素點為（i，j)位置的概率；
[003引則所述yjci(s, t)、yji(s,t)、yj2(s, t)和yj3(s, t)應用積分圖的思想降低計算 復雜度后的計算公式為：
[0037] y 扣(s，t) = yj_"(s，t) (9)
[003引 y "(S,t) = y wi(X，M)-y t)-y wi(s，M) + y Wi(s, t) (10)
[0039] y j2(s，t) = jiNid，t)-]i j_"(s, t) (11)
[0040]yJ'3(s,t) = yj_"(s,M)- yj_"(s, t)(。）
[00川其中，iV。為
對應的積分圖所構成的數據矩形區域；i為化SC直方圖 X軸的坐標，j為化SC直方圖Y軸的坐標；Pu為像素點為（i，j)位置的概率。
[0042] 經過積分圖處理后《。、《1、《 2、《 3,最多只要經過幾步加減算法即可得到；計算 Ui。、y。、Ui2、Ui3、y^.i、和yJ.3只需先進行一維的計算，然后經過加減法運算即 可得到。該樣就將時間復雜度L((N2禮)2)降到了L(N2禮）。
[0043] 本發明的有益效果是：
[0044] 1、在分割效果方面，本發明運用了嵌入空間相關性的直方圖，且并未像2D-〇tsu 一樣忽略了遠離主對角線區域的信息，本發明方法在分割目標和背景邊界模糊的圖像具有 很好的效果；
[004引 2、在運行時間方面，由于引進了積分圖思想，化SC直方圖分成四類之后的相關直 方圖概率經過積分圖處理，最多只要經過幾步加減算法即可得到；在計算最大類間方差函 數時，那么采用其中積分圖處理后，使得時間復雜度降低了。
【附圖說明】
[0046] 圖1為本發明中的流程圖；
[0047] 圖2為本發明中的照相師圖；
[004引圖3為本發明中的照相師圖的化SC直方圖；
[0049] 圖4本發明中的灰度空間相關直方圖平面簡圖；
[0050] 圖5本發明中的取N= 17時，非線性函數Wei曲t(m，腳的函數曲線圖；
[0051] 圖6本發明中的積分圖原理圖；
[005引圖7為待分割的圖像及1D-化su、2DH3tsu和本發明方法的分割結果。
【具體實施方式】
[005引實施例1;如圖1-7所示，一種基于灰度空間相關的最大類間方差圖像分割算法， 首先在Matlab中輸入一幅待分割的圖像，再使用各像素的灰度值與其鄰域內相似像素的 數目來構建灰度空間相關化SC直方圖；然后用化SC直方圖計算該圖像的最大類間方差，得 到圖像的最大類間方差函數，其中應用積分圖的思想降低計算復雜度；再用窮舉法計算當 最大類間方差函數取最大值時的解；最后根據所得的解，將圖像的像素重新分配，重建圖像 即得到分割結果。
[0054] 所述構建該圖像的灰度空間相關化SC直方圖的具體步驟如下：
[0055] Stepl. 1、在Matl油中輸入一幅待分割的圖像，再計算待分割圖像像素點 的灰度值；再計算位于某一像素點其相鄰WNXN為窗口的相似像素的個數g(x，y);
[0056] 其中，圖像的窗口大小為QXR，即F= (f(x，y)|xG(l，2，...，Q}，yG(1，2，... ，時};其位于（x，y)處的灰度值為f(x，y)，g(x，y)為處在（x，y)處的像素相鄰NXN相似像 素的個數，其中N取奇數，
表示歸類為相似像素的幅度值；
[0057] St巧1.2、運用圖像灰度值f(x，y)和St巧1. 1所得的g(x，y)來創建化SC直方圖， 其計算公式為
[0058] 其中，kG{0，l，...，255}，mG{l，2，...，NXN}，f化，m)表示統計整幅圖像中，W 像素灰度值k為中屯、的NXN鄰域內，與其像素值相似數目為m的像素個數，SXR表示整幅 圖像的像素總數。
[0059] 所述用化SC直方圖計算該圖像的最大類間方差，得到圖像的最大類間方差函數 的具體步驟如下；
[0060] St巧2. 1、設創建了化SC直方圖的圖像中的劃分點為（s，t)，則將所獲得的灰度 空間相關直方圖劃分成(：。、（：1、〔2、〔3四類；其中0。為（1，3)和（1，*)所構成的區域、（：1為 (s+l，L)和（t+l，M)所構成的區域、C2為（s+l，L)和（l，t)所構成的區域和C3為（1，S)和 (t+1，M)所構成的區域，L為255,M為NXN;
[0061]St巧2. 2、由St巧2. 1所分成的C〇、Ci、C2和C3四類相關直方圖，計算其不同的概率 密度函數分布，分別為《〇、《1、和W3;
[006引其中，《。、《1、"2和W3分別為C。、Cl、C2和C3的四類相關直方圖概率；
[0063] St巧2. 3、根據St巧2. 2所得的"。、《1、"2和W3計算C〇、Ci、〔2和〔3四類相關直 方圖的平均灰度值矢量為y。、Ui、^2和y3;
[0064] y〇= (yOi, y〇j)T= (yw(s,t)/?〇(s,t), yj〇(s,t)/?〇(s,t))T (l)
[0065] ]ii= 〇 iij)T= (yii(s,t)/?i(s,t), t)/?i(s,t))T 似
[0066]]i2= 〇 2。]i2j)T= (yn(s,t)/?2(S，t), yJ2(S，t)/?2(S，t))T 做
[0067]]i3= 〇 3。]i3j)T= (yn(s,t)/?3(S,t), yJ'3(S，t)/?3(S,t))T (4)
[006引其中，為所劃分的C。類X軸方向的平均灰度值，yw為所劃分的C。類Y軸方向 的平均灰度值，為所劃分的Cl類X軸方向的平均灰度值，yU為所劃分的Cl類Y軸方向 的平均灰度值，y21為所劃分的C2類X軸方向的平均灰度值，y為所劃分的C2類Y軸方向 的平均灰度值，y31為所劃分的C3類X軸方向的平均灰度值，y為所劃分的C3類Y軸方向
;其中，i為化sc直方圖X軸的坐標，j為化sc直方圖Y軸的坐標；Pu為像素點為（i，j)位置的概率；
[0069] St巧2. 4、計算整個化SC直方圖總的平均灰度值矢量得y T;
其中，為化SC直方圖X軸方向的平均灰度值， yTJ為化SC直方圖Y軸方向的平均灰度值，i為化SC直方圖X軸的坐標，j為化SC直方圖Y軸的坐標；Pu為像素點為（i，j)位置的概率；
[0070]St巧2.5、計算C。、Cl、C2和C3四類相關直方圖的類間離散矩陣S
[0071]
[007引5*巧2.6、再計算(：。、01、〔2和〔3四類相關直方圖的類間離散矩陣5 8的跡付5 8;類 間離散矩陣的跡即為原始圖像的類間方差；
[0073]
[0074]Step2. 7、計算原始圖像的最大類間方差函數；將原始圖像的類間方差trSe與加權 函數Wei曲t(m，N)相乘得到最大類間方差函數<Ht) ;<Ht) =trSB*Wei曲t(m，N);其中，
，Wei曲t(m，腳為有關m和N的非線性函數，m表示在相同像素值 中，其鄰域的相似像素個數；N表示窗口的大小。
[007引所述《1、和W3計算公式如下：W。二W-ii(S,t); W 1= ? （L,M)( Lt)-?_"(s，M) + ?_"(s，t) ;?2=w-ii<X，t)-?_"(s，t) ;?3=w-ii(s，M)-?_"(s，t);其 中，為生成的化sc直方圖對應的積分圖所構成的數據矩形區域；
[007引則所述y ici(s，t)、y U(S,t)、y。(3,t)、y n(s,t)應用積分圖的思想降低計算復 雜度后的計算公式為：
[0077] y i〇(s, t) = y t) (5)
[007引 y u (s, t) = y (L, M) - y (X，t) - y (s, M) + y …（s, t)化）
[007引 y。（s, t) = y …(X，t) - y …（s, t) (7)
[0080] y u (s, t) = y …（s, M) - y …（s, t)巧）
[00引]其中，Uwi為
對應的積分圖所構成的數據矩形區域；i為化SC直方圖 X軸的坐標，j為化SC直方圖Y軸的坐標；Pu為像素點為（i，j)位置的概率；
[008引則所述yjci(s，t)、yji(S,t)、yj2(s，t)和yj3(s，t)應用積分圖的思想降低計算 復雜度后的計算公式為：
[0083] y j〇(s, t) = ]iwi(s，t) (9)
[0084] y "(s, t) = y wi(X，M)-y J_"(X，t)-y wi(s，M) + y Wi(s, t