阈值分割的理解

在一张黑白的图片上面，或者整个文词用灰度图这个词吧，其实说的都是同一类图片。在这张图片上面咱们能到看到文字啊数字啊字母啊之类的东西。是什么原因呢？

就一个原因：有亮的地方，有暗的地方。不然就一片白或一片黑。那么这些白的黑的在计算机里面怎么描述呢？

就是灰度值，通常灰度值被定义在0-255范围内，意思就是说一片白就是255，一片黑就是0了。中间的灰色部分按照比例关系赋值。

说完这灰度值，咱接着说阀（fa）值或者阈（yu）值，其实他们是一个东西。不过这些名字起的都不好，大白话就是分界值。就像考试的时候60分万岁，59.9白搭。意思就是这么个意思。既然如此为啥大家还都说阈值啊阀值啊之类的，而不说分界值呢？因为需要装啊！就像现在搞IT的人不搞几个新名词让人们头晕怎么忽悠钱呢？

既然大家已经进入了影像处理行业，为了入乡随俗，或者说为了装深沉，确切的说为了好忽悠客户。请大家使用阈值这个“高深”词汇。这样妹子票子就都有了。。

好了废话说完，下面进入正题。如果使用阈值提取咱们需要的图像。

在HALCON里面提供以下阈值提供方法或是函数：

一：最初级的阈值提取

threshold（输入图像，输出的区域，阈值的下限，阈值的上限）

二：稍微牛X一点的自动地全局阈值（就是自动确定阈值的范围）

bin_threshold （输入图像，输出的区域）

三：更牛X的动态阈值

dyn_threshold （输入的图像，输入的分割模板，输出的区域，偏移值，要亮的还是要暗的）

四：大绝招之Watershed 中文名分水岭

（尚未领悟该招数，待续）

五：大绝招之Watershed 的加强版watersheds_threshold

一：最初级的阈值提取

这个招术主要是用于对付下面这张图片，

你看，这黑的是黑白的是白，清晰清楚几个鸟国文字印在上面。对付这种图片只要使用

最初级的阈值提取 threshold即可。

参数一：就是这个灰度图了，

参数二：就是我们要的区域了

参数三和四怎么定呢？

见下图。

HALCON很贴心的给我们提供查看当前灰度值的工作，只要把鼠标放在图像，那么HALCON 软件的右下角就显示当前的灰度值了。我们把鼠标在文字（Limit）上移动一下，大致可以判断出来灰度值最小也有130，既然如此

我们就知道参数三个参数四怎么填了。就是130和255。

看下效果

好了我们还要的区域被提取出来了。有的哥们说周围那一大片红的咋办呢？怎么去除呢？

我想说这已经偏离主题了，不过可以告诉你非常极其简单就可以实现。

二：自动地全局阈值 bin_threshold 。

本来想在HALCON里面演示这个例子，不过由于鄙人的升级速度太快，一不小心干到版本12了。

在版本12里面已经不再支持了bin_threshold了。提供了稍微复杂的些的加强招数：binary_threshold

不过在说binary_threshold之前，我们还是把 bin_threshold说清楚吧。因为他的确简单易用。

这个自动全局阈值的核心就是自动确定阈值，那么他是如何确定的呢？

我们继续上面那个图（limit）的例子。下面阈值确定的步骤：

第一步：把图片的灰度值数出来，然后画出图。为了好忽悠，我们的给这张图起来个名字：灰度直方图。

其实就是数一数灰度为0的像素点有几个，灰度值为1的像素点有几个，灰度值为2的像素有几个，。。。。。一直到

灰度值为255的像素点为几个。最后画成一张图，下面有请“灰度直方图”闪亮登场。（鲜花，掌声）

从这张灰度直方图上面，俺们看到，灰度值只要集中在40-90 和160-230，就是说这些灰度数值的像素点比较多。

好了第一步做完了。

第二步：平滑灰度直方图，为了让大家知道什么叫平滑，我将向大家展示我惊人的绘画技巧

（多次获得幼儿园杯大奖赛冠军）

掌声，鲜花。。。。

请看图。

原来灰度直方图上面有很多细小的毛刺，做完平滑后都就是图上的红线了。

（PS：红线应该是很平滑的，但是由于我幼儿园毕业很多年了，画工有些退步，请见谅）第三步：需要波峰处的灰度值（大致是65）作为阈值的上限，

波谷出的灰度值（大致是120）作为阈值下限

将其提取出来。

效果如下：

××××××××××××××我是美丽的分割线×××××××××××××××××××××××××××××××

好了 bin_threshold 说完了，咱们接着说他的加强版binary_threshold（在HALCON12里面提供了）

这样大家就做比较了。

这个招数或者说函数的参数比较多一些。

依次是：

参数一：输入的图像

参数二：输出的区域

参数三：模式max_separability' smooth_histo

max_separability'==如果使用这种模式，那么将统计灰度值直方图上面的灰度值分布情况，然后基于最大分离前景（亮的部分）和背景（暗的部分）的原则确定分界值也就是阈值。特别说明这个模式只可以对byte和uint2 类型的图像处理

'smooth_histo==如果选择这种模式的话，首先平滑灰度直方图，然后在确定阈值。

参数四：要亮的还是要暗的（'dark' 就是要暗的部分 'light' 就是要亮的部分）

第五个参数:只有一个UsedThreshold可选，估计是HALCON的研发人员为了以后再次升级该函数使用的。

看效果

补充说明：以上使用的都是全局阈值的方法，为啥叫全局阈值呢？因为一旦把阈值确定下来了就是拿这个阈值数（比如60），对正副图片的每一个像素的灰度值进行比较。

全局阈值的实现党获取有自动获取和手动设定两种方式。

自动获取的方法有bin_threshold （或者binary_threshold）

手动设定有： threshold

下面介绍一种新的方式介于手动设定和自动设定二者之间：

步骤一：使用gray_histo 获取图像的直方图（其实返回的有两个直方图一个是绝对直方图一个相对直方图）

步骤二：使用sort_index寻找出现频率最高的灰度值

步骤三：把比最高灰度值小一定灰阶值的灰度值作为阈值

动态阈值

三：更牛X的动态阈值

对于一些背景比较单纯的图像，使用全局阈值是比较适用的，但是现实往往残酷的，由于光线的变化或是其他原因我们很难得到背景单纯的图像，更多的类似于背景复杂的图像（见:/read-2637.html）

图像从左下角到右上角亮度逐渐降低，如果使用全局阈值的话，不论怎么提取都是不行的。那怎么办呢？放弃？ NO！放弃不符合我们傲娇的逼格。经过一番摸索我们找到了名为动态阈值分割的招式。

啥意思？动态还阈值又什么分割？这么长的名字这是吓唬咱老百姓吗？群众是这么容易被吓到的吗？