常见的图像二值化算法.pdf-资料库

suofen9703-11967897-4744300845398960021.pdf-第1页.png

第1页 / 共9页

suofen9703-11967897-4744300845398960021.pdf-第2页.png

第2页 / 共9页

suofen9703-11967897-4744300845398960021.pdf-第3页.png

第3页 / 共9页

suofen9703-11967897-4744300845398960021.pdf-第4页.png

第4页 / 共9页

suofen9703-11967897-4744300845398960021.pdf-第5页.png

第5页 / 共9页

suofen9703-11967897-4744300845398960021.pdf-第6页.png

第6页 / 共9页

suofen9703-11967897-4744300845398960021.pdf-第7页.png

第7页 / 共9页

suofen9703-11967897-4744300845398960021.pdf-第8页.png

第8页 / 共9页

局部二值化目录一、二值化概念......................................................................................... 2 二、二值化方法发展过程......................................................................... 2 三、二值化简介以及效果：..................................................................... 3 1.全局二值化法................................................................................. 3 (1).双峰法................................................................................. 3 (2).迭代法：............................................................................. 4 (3).OTSU 法................................................................................ 4 2.全局二值化法................................................................................. 5 (1).Bernsen 算法...................................................................... 5 (2).逐点二值化方法................................................................. 6

一、二值化概念二值化是针对灰度图像而言的一种图像处理方法。所谓二值化就是用一定的方法将一幅灰度级范围在 0-255 的灰度图像变换成只有 0 和 255 两个灰度级的黑白图像（二值图像）。因此二值化是一种灰度变换操作。二、二值化方法发展过程最早出现的阈值法是全局二值化方法，这类方法对图像中的所有像素点采用统一的标准（即阈值）进行划分，属于单一阈值型的方法，比较有代表性的全局二值化法主要包括双峰法、迭代法和 OTSU 法等。全局二值化方法经常无法准确地表达图像细节方面的信息，对图像的处理存在很大的缺陷和不足。为了弥补这样的缺陷，数字图像处理领域的专家和学着提出了局部二值化方法。局部二值化方法顾名思义就是指通过一定的方式将图像划分为若干个区域，对每一个区域按照一个统一的阈值将其中的像素点划分为两部分，从而完成对整幅图像的二值化处理的方法。局部二值化法对图像的处理效果较之全局二值化法有所改善，但是局部二值化法也有一定的缺陷。每一个区域内作为划分标准的那个阈值经常是用比较简单粗糙的方法得来的，阈值的选取合理性不足，因此局部二值化法也不能够对图像的细节信息进行充分地表达。人们对局部二值化方法进行改进，提出了局部自适应二值化方法。在局部二值化的基础上，自适应方法对每一个局部区域的阈值的

设定更加合理，这使得对图像的二值化处理效果更好，更多的图像信息得以表达。三、二值化简介以及效果： 1.全局二值化法 (1). 双峰法双峰法又称直方图双峰法，是一种典型的全局单阈值的二值化分割方法。原理：双峰法选取直方图两峰之间的谷底对应的灰度级作为阈值。要求：被处理图像的灰度级直方图具有典型的双峰特性，这样的图像通常具有明显的目标和背景。结果：成像质量：双峰法将大部分目标凸显了出来，取得了一定程度上的分割效果。不足：1.不能很好地展现图像的细节信息。2.实际工作和生活中遇到的很多图像的灰度级直方图不具备双峰的特点，而是呈现出多峰的特点，这些图像无法使用双峰法进行二值化分割。

(2).迭代法：迭代法是基于逼近对双峰法的改进，但仍然属于全局单阈值的二值化分割方法。原理：双峰法选取直方图两峰之间的谷底对应的灰度级作为阈值。结果：从以成像质量：双峰法将大部分目标凸显了出来，取得了一定程度上的分割效果。但仍然不能很好地表现图像的细节信息，不能完全准确地刻画目标部分的边缘。不足：迭代法虽然吸收了逼近的思想，使用当前得到的图像的两个分割部分的灰度平均值的算术平均作为新的阈值不断对阈值更新，以求得分割图像的最佳阈值，但仍然是以图像全局特征为依据的单阈值方法。 (3).OTSU 法 OTSU 法即大津法，又称为最大类间方差法。原理：OTSU 法是根据类间方差去分割图像的前景和背景的。方差是

灰度分布均匀性的一种度量，类间方差越大，说明图像各部分之间的差别越大。图像中差别最大的两部分应该是前景和背景，因此一个好的二值化分割方法应该能找到一个阈值，这个阈值使分割得到的图像前景部分和背景部分之间的类间方差达到最大。结果：成像质量：从实验结果来看，OTSU 法的分割效果比较理想。不足：全局二值化方法应用图像的全局特征，使用单一阈值对图像进行分割，没有充分利用图像的局部特征，以致很多细节信息没有被表现出来。 2.全局二值化法 (1).Bernsen 算法 Bernsen 算法是一种常用的局部阈值分割法. 原理：先人为设定两个值 S 和 T0 ,计算以图像中当前像素点为中心的大小为 k*k 窗口内的所有像素的最大值 M 与最小值 N 以及两者的均值 T ，如果最大值与最小值之差 M-N>S ，则当前像素点的阈值

为 T ，否则，当前窗口所在区域的灰度级差别较小，说明窗口在目标区或在背景区，此时比较 T 与 T0，若 T>T0，当前点的灰度值置为 255，否则，当前点的灰度值置为 0。结果：成像质量：以上实验结果图可以看到 Bernsen 算法体现出了在 OTSU 法实验结果图中没有体现出的图像局部信息不足：对图像细节的处理仍然不够准确，如没有充分表现出图像左下部分的水珠和右上部分的竹叶，只是刻画出了大致的轮廓，而且 Bernsen 算法导致二值图像上布满白点，影响了二值化的效果。 (2) .逐点二值化方法这个算法的基本思想是综合利用其它像素点的信息得到当前像素点对应的分割阈值，从而判断当前像素点属于图像的前景或背景，而不是简单地使用和其它像素点相同的阈值来确定一个像素点属于前景区域还是背景区域。原理：是对图像进行分块后，利用传统的全局二值化方法获得每一分

块的分割阈值，作为该分块按从左到右、自上而下顺序的第一个像素点的对应阈值而不是整个分块的划分阈值，以避免对每一个独立的分块进行全局二值化，然后利用相邻两分块的第一个像素点的对应阈值得到当前分块首行和首列（在以水平向右为 x 轴正向，竖直向下为 y 轴正向，当前分块左上角第一个像素点处为原点的坐标系中）所有像素点的对应阈值，之后对分块内待处理的当前像素点，利用已获得的其左上部分所有像素点的对应阈值的带系数的加和（按与当前像素点的距离确定左上部分每个像素点的系数）来求出其对应阈值。结果：

资料库

常见的图像二值化算法.pdf

相关推荐

信息化

热门标签

最新资料