一、前言

圖像二值化（ Image Binarization）就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果的過(guò)程。二值圖像每個(gè)像素只有兩種取值：要么純黑，要么純白。進(jìn)行二值化有多種方式，其中最常用的就是采用閾值法（Thresholding）進(jìn)行二值化。
根據(jù)閾值選取方式的不同，可以分為全局閾值和局部閾值。

二、全局閾值（Global Method）

全局閾值，指的是對(duì)整個(gè)圖像中的每一個(gè)像素都選用相同的閾值。

1. OTSU算法

大津法（OTSU）是一種確定圖像二值化分割閾值的算法，由日本學(xué)者大津于1979年提出。從大津法的原理上來(lái)講，該方法又稱作最大類間方差法，因?yàn)榘凑沾蠼蚍ㄇ蟮玫拈撝颠M(jìn)行圖像二值化分割后，前景與背景圖像的類間方差最大。

OTSU的基本思想是：首先將圖像轉(zhuǎn)換成灰度圖像，按圖像的灰度特性將圖像分成背景（大于閾值）和目標(biāo)（小于閾值）兩部分。背景和目標(biāo)之間的類間方差越大，說(shuō)明構(gòu)成圖像的兩部分的差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小。因此，使類間方差最大的分割意味著錯(cuò)分概率最小，OTSU通過(guò)最大化類間方差來(lái)實(shí)現(xiàn)最佳閾值的選取。

應(yīng)用： 是求圖像全局閾值的最佳方法，應(yīng)用不言而喻，適用于大部分需要求圖像全局閾值的場(chǎng)合。

優(yōu)點(diǎn)： 計(jì)算簡(jiǎn)單快速，不受圖像亮度和對(duì)比度的影響。

缺點(diǎn)： 對(duì)圖像噪聲敏感；只能針對(duì)單一目標(biāo)分割；當(dāng)目標(biāo)和背景大小比例懸殊、類間方差函數(shù)可能呈現(xiàn)雙峰或者多峰，這個(gè)時(shí)候效果不好。

算法詳解

三、局部閾值（Local Method）

局部閾值（Local Method）又稱自適應(yīng)閾值（Adaptive Thresholding）。
局部閾值法假定圖像在一定區(qū)域內(nèi)受到的光照比較接近。它用一個(gè)滑窗掃描圖像，并取滑窗中心點(diǎn)亮度與滑窗內(nèi)其他區(qū)域（稱為鄰域, neighborhood area）的亮度進(jìn)行比較。如果中心點(diǎn)亮度高于鄰域亮度，則將中心點(diǎn)標(biāo)記為白色，否則標(biāo)記為黑色。
局部閾值的應(yīng)用非常廣泛，特別是對(duì)白紙黑字的處理非常有效。光學(xué)字符識(shí)別（OCR）和二維碼掃描的算法中，很多都用了局部閾值操作。

1. sauvola算法

假定當(dāng)前像素點(diǎn)的坐標(biāo)為(x,y)，以該點(diǎn)為中心的領(lǐng)域?yàn)閞*r，g(x,y)表示(x,y)處的灰度值，Sauvola算法的步驟為：

1. 計(jì)算r*r鄰域內(nèi)的灰度均值m(x,y)與標(biāo)準(zhǔn)方差s(x,y)
   
2. 計(jì)算像素點(diǎn)(x,y)的閾值T(x,y)
   
   或
   
   其中R為圖像像素深度的一半，如8bit即256個(gè)灰度級(jí)別，而R=128

2. niblack算法

使用Niblack法的不足在于：

由于要利用域r×r模板遍歷圖像，導(dǎo)致邊界區(qū)域（r-1）/2的像素范圍內(nèi)無(wú)法求取閾值；同時(shí)當(dāng)進(jìn)行圖像遍歷時(shí)，如果域r×r范圍內(nèi)都是背景，經(jīng)NIBLACK計(jì)算后必有一部分被確定為目標(biāo)，產(chǎn)生偽噪聲。

總之，用Niblack方法進(jìn)行圖像分割時(shí)，選擇的處理模板窗口R*R大小的選擇很關(guān)鍵，選擇的空間太小，則噪聲抑制的效果不理想，目標(biāo)主體不夠突出，選擇的空間太大，則目標(biāo)的細(xì)節(jié)會(huì)被去除而丟失信息。

3. wolf-jolion算法(不了解）

注：

算法中的k為超參，取值在0和1之間。
這些自適應(yīng)算法的閾值計(jì)算，都著重考慮了均值，然后考慮像素值分布的離散情況
k越大，像素值的波動(dòng)（例如標(biāo)準(zhǔn)差、某些量的極值）的影響力越大（使得閾值上升的影響力）。例如Niblack和Sauvola算法，k代表著標(biāo)準(zhǔn)差的影響力文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-455151.html

到了這里，關(guān)于圖像二值化算法的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！