1.一种基于改进大津法的Niblack的图像分割方法，其特征在于，包括以下步骤：步骤1，对输入原图像进行对比度扩展，对比度扩展后的得到灰度范围在[0,255]的灰度图像I；

步骤2，利用改进的最大类间方差法计算灰度图像的全局阈值T2；

步骤3，将所述灰度图像I均等分成N个图像块，采用Niblack法求出每个图像块的局部阈值T3；

步骤4，根据所述全局阈值T2和每个图像块的局部阈值T3，按照权重系数的比例，计算得到每个图像块的阈值T4；

步骤5，对每个所述图像块用对应的阈值T4进行分割，得到最终的分割图像；

所述步骤2的具体步骤为：

步骤2.1，对图像的灰度域设置三个分割点(ik1，ik2，ik3)，具体定义式为：其中，mG为整幅图像的平均灰度值，i是原图像的像素点，灰度值为i的像素数为ni个；图像中的像素总数MN＝n0+n1+...+nL‑1，pi表示每个像素点i的概率为Pi＝ni/MN，即i的像素数比上图像的像素总数；ik2是整个灰度域的平均值，ik1是灰度区间(fmin(x,y)，ik2) 上的平均值，ik3是灰度区间(ik2，fmax(x,y))上的平均值；

步骤2.2，求出ik2以及与其相邻的ik2‑1和ik2+1的灰度值，分别求出对应的类间方差值比较的值，确定图像全局阈值分割的阈值是否为ik2，若是，则步骤2结束，若不是则确定最佳查找子区间[m,n]；

步骤2.3，在最佳查找子区间[m,n]中通过折分查找方法求出图像全局阈值分割的阈值T2；

所述步骤3的具体步骤为：

步骤3.1，将灰度图像I分成G个以(i,j)为中心，大小为r×r的图像块；

步骤3.2，采用Niblack法求出每个图像块的局部阈值为T3，以其中一个图像块为例，具体的计算方式为：T3(x,y)＝m(x,y)+a×s(x,y)    (9)f(x1,y1)表示图像块中以坐标为(x1,y1)为中心的r×r邻域像素点灰度值；f(i,j)表示以r×r邻域窗口内坐标为(i,j)的像素点灰度值，其中m(x1,y1)表示以点(x1,y1)为中心的邻域窗口内图像块的灰度均值；s(x,y)为图像块的标准方差，a为修正系数。

2.如权利要求1所述的一种基于改进大津法的Niblack的图像分割方法，其特征在于，所述步骤1的具体步骤为：设输入原图像的大小为M×N，图像在点(x,y)的灰度值为f(x,y)，{0,1,2…,L‑1}为图像的L个灰度级，对输入原图像做如下操作：A＝min[f(x,y)]    (1)

B＝max[f(x,y)]    (2)

其中A为输入原图像的最小灰度值，B为输入原图像的最大灰度值，g(x,y)是对比度扩展变换后的图像灰度。

3.如权利要求1所述的一种基于改进大津法的Niblack的图像分割方法，其特征在于，所述步骤2.2的具体的为：步骤2.2.1，求出ik2以及与其相邻的ik2‑1和ik2+1的灰度值，分别求出对应的类间方差值步骤2 .2 .2，比较 若 不小于

和 则确定图像全局阈值分割的阈值为为ik2，步骤2结束；否则执行步骤2.2.3；

步骤2.2.3，若 则把区间[ik1,ik2]作为最佳查找子区间[m,n]；

若 则把区间[ik2,ik3]作为最佳查找子区间[m,n]。

4.如权利要求1所述的一种基于改进大津法的Niblack的图像分割方法，其特征在于，所述折分查找方法具体的为：步骤2.3.1，在最佳查找子区间[m,n]内选择灰度最大值和最小值为Px和Pd，令区间灰度均值 作为最初阈值；

步骤2.3.2，用最初阈值分割灰度图像I，将确定的区间分割为C1区域和C2区域，其中C1是灰度值大于最初阈值的部分，C2是灰度值小于最初阈值的部分；

步骤2.3.2，分别计算C1区域和C2区域的灰度平均值m1和m2，令K2＝ηm1+(1‑η)m2为中转阈值，其中η为C1区域图像分割中的中转阈值系数；

步骤2.3.3，比较初始阈值与K2，若初始阈值＝K2，则K2即为图像全局阈值分割的阈值T2，步骤2.3结束；否则令作为初始阈值，继续执行步骤2.3.2。

5.如权利要求4所述的一种基于改进大津法的Niblack的图像分割方法，其特征在于，所述η的取值范围为[0,0.5]。

6.如权利要求1所述的一种基于改进大津法的Niblack的图像分割方法，其特征在于，所述r的取值为15。

7.如权利要求1所述的一种基于改进大津法的Niblack的图像分割方法，其特征在于，所述步骤4中，每个图像块的阈值T4通过以下方式计算：T4＝d×T2+(1‑d)×T3    (10)

其中d权重系数，d的取值满足0.25＜d＜0.75。

8.如权利要求7所述的一种基于改进大津法的Niblack的图像分割方法，其特征在于，所述d取d＝0.5。