图像二值化时图像特征的保留
一种有效的图像二值化方法_赵永志
第7卷 第1期 2007年1月1671-1819(2007)1-0139-04科 学 技 术 与 工 程Science T echno logy and Eng i neeringV o.l 7 N o .1 Jan .20072007 Sc.i T ech .Engng.一种有效的图像二值化方法赵永志 彭国华*(西北工业大学应用数学系,西安710072)摘 要 边界特征是图像的重要信息,阈值是区分图像像素点的主要依据。
研究了图像的二值化方法,阐述了一种基于数学形态学的自适应二值化方法。
实验表明,该方法能够较好地保留原图的边界特征信息,二值化效果好。
关键词 二值化 阈值 数学形态学 边界特征中图法分类号 TP391.41; 文献标识码A2006年8月25日收到*第一作者简介:赵永志,男(1982 ),硕士研究生,研究方向:图像处理与模式识别。
E -m a i :l snzhaoyzh@i s i na .co m 。
*通信作者简介:彭国华,男(1962 ),教授,博士,硕士生导师,研究方向:计算机图形学、计算机辅助几何设计。
图像二值化是数字图像处理技术中的一项基本技术,也是许多图像处理技术的预处理技术,在自动目标识别(ATR )、图象分析、文本增强以及光学字符识别(OCR )等图像处理中得到广泛应用。
现有的二值化方法大多属于阈值化方法,而在不同的应用中,阈值的选取决定着图像特征信息的保留。
因此,自动阈值选取的方法非常值得研究,好的自动阈值选取方法不仅能够保留图像中有用的信息,而且还可以减少时间上的开销。
本文对现有的图像二值化算法进行了讨论,阐述了一种基于数学形态学的图像二值化方法。
实验表明,该方法能够较好地保留原图的边界特征信息,是一种自适应的调整阈值的方法。
1 常用的二值化方法图像二值化技术的关键在于如何选取阈值。
根据其对像素的处理方式,主要分为三类:(1)全局阈值法:是指整个图像采用单一阈值(全局阈值)T 进行图像二值化。
[笔记]图像的二值化,灰度化,滤波,反色的基本原理
![[笔记]图像的二值化,灰度化,滤波,反色的基本原理](https://img.taocdn.com/s3/m/162260af1b37f111f18583d049649b6648d70935.png)
图像的二值化,灰度化,滤波,反色的基本原理一、图像的灰度化处理的基本原理将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。
彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。
而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种，所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。
灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。
图像的灰度化处理可用两种方法来实现。
第一种方法使求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量。
第二种方法是根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。
二图像的二值化的基本原理图像的二值化处理就是讲图像上的点的灰度置为0或255，也就是讲整个图像呈现出明显的黑白效果。
即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。
为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。
所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。
扑克纸牌识别
课程设计课程名称题目名称学生学院专业班级学号学生姓名指导教师年月日摘要随着图像处理、人工智能、计算机技术的不断发展，计算机识别技术也日趋成熟，逐渐转为使用阶段，目前计算机识别方法主要有两种：1） 标记识别技术；2） 基于图像处理的识别技术。
第一种方法是先在识别目标上预先安设一个标记，标记可以是IC 条形码等，再将目标的信息存储在标记中，则从标记中可以识别出目标及其它相关的内容。
这种方法的优点是识别准确度高、速度快和可靠，但由于这种方法对硬件的要求，使得它存在了许多的局限性，若应用到扑克纸牌识别当中，需要为纸牌装有一个微型的IC ，这样的设备价格十分昂贵，同时也摒弃了纸牌的实际用途，普及实用性不强。
基于图像处理的识别技术相比较第一种方法的优势在于不需要给识别目标添加任何辅助设备就可以对其进行识别。
应用到扑克纸牌识别当中，对目标信息的采集是非接触性的，可以实时识别，非人工操作，工作效率高。
这种方法是基于计算机视觉和图像处理技术，作为一个软件系统，更方便维护和升级，通用性更强。
存在着这几方面的优势，基于图像处理的识别技术具有很大的发展空间。
基于图像处理的纸牌识别主要包括纸牌图像预处理（倾斜校正与定位）、特征提取、特征匹配、纸牌识别等方面的技术。
系统构成如上图所示，当系统发现监视图像发生变化时，触发图像采集，通过CCD 摄像头摄取的纸牌图像，然后识别系统对纸牌图像进行一系列处理从而识别出纸牌，输出识别结果。
纸牌图像预处理传感器触发CCD 摄像头进行图像采集后可以得到一张图像，图像中包括背景和待识的目标纸牌，但目标纸牌在图像中并不一定是正放的，许多的时候纸牌与图像的边缘形成一定的倾斜角度，如下图所示：CCD 摄像头图像采集 纸牌图像预处理 纸牌特征提取特征匹配 扑克纸牌识别 数据库传输基于图像处理的纸牌识别系统构成数据输出 传感器触发纸牌物理与图像边缘形成倾斜角度。
因此，纸牌识别之前，必须先对目标纸牌进行倾斜校正和定位。
05二值图像分析
二值图像及其意义
图像定义
一副数字图像是一个二维阵列，阵列元素值称为灰度值 或亮度值。
二值图像定义
只有黑、白两级灰度的图像。分别用1和0表示。
二值图像优点
去掉无关信息的干扰 几何与拓扑特性的表示与分析 节省资源
L = bwlabel(BW,4) [r, c] = find(L==2); rc = [r c]
区域边界—边界跟踪算法
参考“预处理”部分
距离测量
参考"基础"一章对应内容
描述二值图像的特征
• 基于边界的特征
– 链码、边界长度、边界标记、边界形状数
• 基于区域的特征
– 四叉树、围绕区域、骨架、面积、质心、密度、区域 形状数、不变矩、拓扑特征
第五章 二值图像分析 Chapter 5 Binary Image Analysis
Ref. Book
• 二值图像分析基本过程 预处理-->二值化-->图像描述(特征提取)-->分析识别
(预处理和二值化过程参考前面章节)
二值图像分析的意义
经过图像分割之后，获得了目标物与非目标物两 种不同的对象。但是提取出的目标物存在以下的 问题：
L=N *=L，N中小标号
连通成分标记 — 序贯算法
• [L, num] = bwlabel(BW, n)
BW = logical (... [1 1 1 0 1 1 0 0; 1 1 1 0 1 1 0 0; 1 1 1 0 1 0 0 0; 1 1 1 0 0 0 1 0; 1 0 1 0 0 0 1 0; 1 0 1 0 0 1 1 0; 1 1 1 0 0 1 0 0; 1 1 1 0 0 0 0 1]);
阈值抖动算法
阈值抖动算法阈值抖动算法是一种常用的图像处理算法，用于将一个较高的色彩深度图像转换为较低的色彩深度图像。
其原理是通过比较每一个像素的灰度值与一个预先设定的阈值，并根据比较结果将像素值转换为黑色或白色，从而实现图像的二值化。
阈值抖动算法的主要目的是在保留图像主要特征的同时，通过将灰度值分布范围较广的像素进行抖动处理，来近似表示较高色彩深度图像。
该算法常用于黑白打印或传真等情况下，可以有效减少颜色信息量，从而节省传输和存储空间。
阈值抖动算法的核心思想是将像素值与阈值进行比较，并根据比较结果决定像素值的最终结果。
具体操作步骤如下：1.像素灰度值获取：对于一个输入图像的每个像素，计算其灰度值。
灰度值的计算方式可以是简单的求和计算，也可以使用更复杂的颜色通道加权平均等方式。
2.阈值设定：设定一个阈值，该值可以是固定的常数，也可以是根据输入图像的特点进行动态调整。
阈值的设定直接影响到最终二值化图像的质量。
3.像素值比较：将每个像素的灰度值与阈值进行比较。
若灰度值大于等于阈值，则将像素值设为白色，否则设为黑色。
这一步实际上是将图像的连续灰度值映射为只有两种离散颜色，即黑色和白色。
4.误差传播：在将像素值设定为黑色或白色后，可以根据当前像素值与理论值之间的差异，将误差传播到周围的像素。
该过程有助于更好地保留原始图像的细节并减小抖动引起的伪影。
5.输出结果：将经过阈值比较和误差传播处理后的像素值输出为最终的二值化图像。
该图像只包含黑色和白色两种像素值，可用于后续处理或展示。
需要注意的是，阈值抖动算法的效果取决于阈值的选取以及误差传播的方式。
不同的阈值和传播方式会导致不同的图像质量和细节保留程度。
因此，在实际应用中，需要通过试验和评估来选择最适合的参数组合。
总结起来，阈值抖动算法是一种将高色彩深度图像转换为低色彩深度图像的图像处理算法。
其基本原理是通过设定阈值并比较像素灰度值，将图像像素转换为黑色或白色，并通过误差传播来减少抖动带来的伪影。
数字二值化后特征
数字二值化后特征
数字二值化是一种将数字像素点（pixel）从非二值数值范围映射
到只有0和1两种可能值的方法。
这种映射是通过按照某一阈值将加
载的像素点的灰度值转化为相应的0或1来实现的。
数字二值化后的
特征主要有：
1、二值化采用阈值法转换，能够保留像素灰度值变化的大小与精度，但由于只有黑白两种颜色，会使原图像失去了一定的颜色信息，
对图像的识别效果比原始图像要差一些；
2、数字二值化可以高效地提取图像中的特征，减少像素点噪声以
及使图像具有更高的空间分辨率，进而提高图像处理、分析、分类的
执行效率；
3、数字二值化后的图像的傅里叶变换（FFT）可以更容易地提取
小样本的特征，减少了对小样本分析的时间和资源。
4、数字二值化将像素值转换为01代表的形式能够节省内存，并
且可以更容易地实现灰度、彩色图像之间的转换；
5、数字二值化后的图像具有较好的空间特性，实现了图像信息量
的大幅度减少，因此在图像压缩中具有很大的使用价值；
6、数字二值化还可以抑制噪声对于图像分析的影响，确保图像信
息的准确性。
数字二值化是图像处理、分析和分类中常用的一种技术，它能够
解决图像灰度分布特点不能适应机器处理的问题，把图像的像素点的
灰度值转换成相应的0或1，帮助提高图像处理的执行效率，改善对小
样本分析的效率，减少像素噪声，抑制噪声对图像分析的影响，确保
图像信息的准确性，实现图像信息量的大幅度减少，从而在图像压缩、处理、分析和分类中有很大的使用价值。
数字图像处理中的二值化技术研究
数字图像处理中的二值化技术研究数字图像处理是指对数字化的图像进行各种算法处理，以改善图像质量、实现目标应用和进行图像分析等。
其中，二值化技术是数字图像处理中应用最为广泛的技术之一。
本文将从二值化的基本原理、常见算法、优化技术以及应用等方面进行综述。
一、二值化的基本原理二值化是将一幅灰度图像转换成只有两种颜色的图像，常见的是黑白二值图像。
它的目的是将灰度范围较大的图像转换为仅包含两种灰度值的图像，以便进行图像分析和处理。
二值化的基本原理就是根据一定的阈值将像素点的灰度值分为两类，一类是大于等于阈值的像素点，另一类是小于阈值的像素点。
然后将这两类像素点分别用黑色和白色进行表示，从而得到一幅二值图像。
二、常见的二值化算法1.全局阈值法全局阈值法也称为固定阈值法，是最简单、最基本的二值化算法之一。
它的原理是将整幅图像的灰度直方图进行分析，将图像中所有像素的灰度值设置为一个固定的阈值，一般取灰度直方图的平均值或中值。
然后对于灰度值大于等于该值的像素点置为白色，灰度值小于该值的像素点置为黑色。
但这种算法容易受到光照不均匀、噪声较多等因素的影响，产生误判。
2.手动阈值法手动阈值法是根据观察或经验设置阈值，也称为交互式的阈值法。
它适用于像素灰度值分布不均匀，且图像背景和目标差异大的情况。
3.自适应阈值法自适应阈值法是根据图像在局部区域内的灰度值特征进行划分，常见的有局部均值法和Otsu法。
局部均值法是将像素点周围一定大小的区域内的灰度值作为阈值，并将该像素点二值化。
这种算法可以对灰度分布不均匀、光照不均匀等情况适用。
Otsu法是利用图像中目标与背景之间灰度值分布的偏差，自适应地确定一个能够最大程度区分两个类别的阈值。
4.基于形态学的阈值法形态学阈值法基于二值图像形态学操作的方法，能够有效去除噪声和骨骼化等图像处理，并能够保留目标的边界。
它的核心思想是基于图像特征对阈值进行判断，通常是先对图像进行形态学膨胀操作，然后求出局部的最大值，作为阈值进行二值化操作。
图像处理技术中的阈值分割与二值化方法
图像处理技术中的阈值分割与二值化方法在图像处理领域中，阈值分割与二值化方法是一种常用且重要的技术。
它们可以将一幅灰度图像分为多个亮度不同的区域，从而提取出我们感兴趣的目标。
阈值分割与二值化方法在很多应用中都有广泛的应用，比如目标检测、图像增强、字符识别等。
本文将详细介绍这两种方法的原理和常见应用。
我们来了解一下阈值分割的原理。
阈值分割是基于图像的灰度值来进行图像分割的一种方法。
它主要通过设置一个阈值，将图像中的像素根据其灰度与阈值的关系划分为两类：亮区域和暗区域。
对于每个像素，如果其灰度值大于阈值，则划分为亮区域，否则划分为暗区域。
这样，我们就可以得到一幅二值图像，其中亮区域的像素值为255（白色），暗区域的像素值为0（黑色）。
阈值分割方法有多种，常见的有全局阈值分割、自适应阈值分割和多阈值分割等。
全局阈值分割是在整幅图像上寻找一个全局的阈值进行分割，适用于图像中目标与背景之间的灰度差异较大的情况。
自适应阈值分割则是根据图像中每个像素周围的灰度值来确定其阈值，适用于图像中目标与背景之间的灰度差异较小的情况。
多阈值分割则是将图像分为多个灰度级别的区域，适用于图像中存在多个目标的情况。
除了阈值分割，二值化方法也是一种常见的图像处理技术。
二值化方法将一幅灰度图像转换为二值图像，即将所有像素的灰度值限定为两种取值：0和255。
这种方法可以将图像的细节信息保留，同时降低图像的复杂度。
常见的二值化方法有全局二值化和局部二值化。
全局二值化方法是通过设定一个全局的灰度阈值，将图像中的像素根据其灰度与阈值的关系划分为两类。
与阈值分割类似，全局二值化也是将灰度值高于阈值的像素设为255（白色），低于阈值的像素设为0（黑色）。
不同之处在于，全局二值化是在灰度图像上进行的操作，而阈值分割可以是在原始彩色图像上进行。
局部二值化方法与全局二值化方法相比，更加适用于灰度变化较大、光照不均匀的图像。
它将图像分成很多个小块，在每个小块上进行局部阈值分割。
《数字图像处理》复习大作业及答案
《数字图像处理》复习⼤作业及答案2014年上学期《数字图像处理》复习⼤作业及参考答案=====================================================⼀、选择题（共20题）1、采⽤幂次变换进⾏灰度变换时，当幂次取⼤于1时，该变换是针对如下哪⼀类图像进⾏增强。
（B）A 图像整体偏暗B 图像整体偏亮C图像细节淹没在暗背景中D图像同时存在过亮和过暗背景2、图像灰度⽅差说明了图像哪⼀个属性。
（B ）A 平均灰度B 图像对⽐度C 图像整体亮度D图像细节3、计算机显⽰器主要采⽤哪⼀种彩⾊模型（ A ）A、RGBB、CMY或CMYKC、HSID、HSV4、采⽤模板［-1 1］T主要检测（ A ）⽅向的边缘。
A.⽔平B.45?C.垂直D.135?5、下列算法中属于图象锐化处理的是：( C )A.低通滤波B.加权平均法C.⾼通滤波D. 中值滤波6、维纳滤波器通常⽤于（ C ）A、去噪B、减⼩图像动态范围C、复原图像D、平滑图像7、彩⾊图像增强时， C 处理可以采⽤RGB彩⾊模型。
A. 直⽅图均衡化B. 同态滤波C. 加权均值滤波D. 中值滤波8、__B__滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。
A. 逆滤波B. 维纳滤波C. 约束最⼩⼆乘滤波D. 同态滤波9、⾼通滤波后的图像通常较暗，为改善这种情况，将⾼通滤波器的转移函数加上⼀常数量以便引⼊⼀些低频分量。
这样的滤波器叫B。
A. 巴特沃斯⾼通滤波器B. ⾼频提升滤波器C. ⾼频加强滤波器D. 理想⾼通滤波器10、图象与灰度直⽅图间的对应关系是 B __A.⼀⼀对应B.多对⼀C.⼀对多D.都不11、下列算法中属于图象锐化处理的是：CA.低通滤波B.加权平均法C.⾼通滤D. 中值滤波12、⼀幅256*256的图像，若灰度级数为16，则存储它所需的⽐特数是：( A )A、256KB、512KC、1M C、2M13、噪声有以下某⼀种特性（ D ）A、只含有⾼频分量B、其频率总覆盖整个频谱C、等宽的频率间隔内有相同的能量D、总有⼀定的随机性14. 利⽤直⽅图取单阈值⽅法进⾏图像分割时：（B）a.图像中应仅有⼀个⽬标b.图像直⽅图应有两个峰c.图像中⽬标和背景应⼀样⼤d. 图像中⽬标灰度应⽐背景⼤15. 在单变量变换增强中，最容易让⼈感到图像内容发⽣变化的是（ C ）A亮度增强觉B饱和度增强C⾊调增强D不⼀定哪种增强16、利⽤平滑滤波器可对图像进⾏低通滤波，消除噪声，但同时模糊了细节。
二值图像的作用
⼆值图像的作⽤⼆值图像的作⽤：图像⼆值化（ Image Binarization）就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的⿊⽩效果的过程。
在数字图像处理中，⼆值图像占有⾮常重要的地位，图像的⼆值化使图像中数据量⼤为减少，从⽽能凸显出⽬标的轮廓。
将256个亮度等级的灰度图像通过适当的阈值选取⽽获得仍然可以反映图像整体和局部特征的⼆值化图像。
在数字图像处理中，⼆值图像占有⾮常重要的地位，⾸先，图像的⼆值化有利于图像的进⼀步处理，使图像变得简单，⽽且数据量减⼩，能凸显出感兴趣的⽬标的轮廓。
其次，要进⾏⼆值图像的处理与分析，⾸先要把灰度图像⼆值化，得到⼆值化图像。
所有灰度⼤于或等于阈值的像素被判定为属于特定物体，其灰度值为255表⽰，否则这些像素点被排除在物体区域以外，灰度值为0，表⽰背景或者例外的物体区域。
图像⼆值化的作⽤是为了⽅便提取图像中的信息，⼆值图像在进⾏计算机识别时可以增加识别效率。
⽐如：需要计算⽔⾯悬浮物的数量，就可以将⼀定⾯积的⽔拍成图⽚后⼆值化。
⼆值图像是指每个像素不是⿊就是⽩，其灰度值没有中间过渡的图像。
⼆值图像⼀般⽤来描述⽂字或者图形，其优点是占⽤空间少，缺点是当表⽰⼈物、风景的图像时，⼆值图像只能描述其轮廓，不能描述细节。
这时候要⽤更⾼的灰度级。
⼆值图像是每个像素只有两个可能值的数字图像。
⼈们经常⽤单⾊图像表⽰⼆值图像，但是也可以⽤来表⽰每个像素只有⼀个采样值的任何图像，例如灰度图像等。
⼆值图像中所有的像素只能从0和1这两个值中取，因此在MATLAB中，⼆值图像⽤⼀个由0和1组成的⼆维矩阵表⽰。
这两个可取的值分别对应于关闭和打开，关闭表征该像素处于背景，⽽打开表征该像素处于前景。
以这种⽅式来操作图像可以更容易识别出图像的结构特征。
⼆值图像操作只返回与⼆值图像的形式或结构有关的信息，如果希望对其他类型的图像进⾏同样的操作，则⾸先要将其转换为⼆进制的图像格式，可以通过调⽤MATLAB提供的 im2bw（）来实现。
灰度图像二值化处理
内蒙古科技大学本科毕业论文二〇一二年四月摘要本文介绍了图像及数字图像处理技术的一些概念和相关知识；还介绍了灰度图像和图像二值化的概念及其表示形式；对图像灰度化和图像二值化的优缺点作了简单的的介绍；重点介绍了灰度图像的二值化方法研究，其包括的内容有二值化研究动态和研究方法；对全局阈值法；局部阈值法这两种方法进行了研究讨论。
关键字：图像处理、二值化、图像、阈值AbstractThis paper introduces the image and digital image processing technology of some concepts and related knowledge; also introduced the gray-scale image and the images of the two values of the concept and its representation; grayscale images and images of the two values of the advantages and disadvantages to make simple introduction; mainly introduces two gray image binarization method, its includes the contents of two values of research and research methods; the global threshold method; local threshold method, the two methods are discussed. Keywords:image processing, image, threshold value of two,目录引言 (5)1.灰度图像与二值图像 (6)1.1图像 (6)1.2数字图像 (6)1.2.1彩色图像 (6)1.2.2灰度图像 (7)1.2.3二值图像 (7)2.灰度图像二值化方法研究 (8)2.1全局阈值法 (8)2.1.1全局阈值法的概念 (8)2.1.2全局阈值法的方法 (9)2.1.3全局阈值法的优缺点介绍及阈值选取 (11)2.2局部阈值法 (11)2.2.1局部阈值法的概念 (11)2.2.2局部阈值法的方法 (12)2.2.3局部阈值法的优缺点介绍 (12)3.灰度图像二值化的应用 (12)结束语 (14)参考文献 (15)致谢 (16)引言图像二值化是图像处理中的一项基本技术，也是很多图像处理技术的预处理过程。
基于直方图的二值化算法
图像二值化的目的是最大限度的将图象中感兴趣的部分保留下来，在很多情况下，也是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。
这个看似简单的问题，在过去的四十年里受到国内外学者的广泛关注，产生了数以百计的阈值选取方法，但如同其他图像分割算法一样，没有一个现有方法对各种各样的图像都能得到令人满意的结果。
在这些庞大的分类方法中，基于直方图的全局二值算法占有了绝对的市场份额，这些算法都从不同的科学层次提出了各自的实施方案，并且这类方法都有着一些共同的特点：1、简单；2、算法容易实现；3、执行速度快。
本文摘取了若干种这类方法进行了介绍。
一：灰度平局值值法：1、描述:即使用整幅图像的灰度平均值作为二值化的阈值，一般该方法可作为其他方法的初始猜想值。
2、原理:3、实现代码：public static int GetMeanThreshold(int[] HistGram){int Sum = 0, Amount = 0;for (int Y = 0; Y < 256; Y++){Amount += HistGram[Y];Sum += Y * HistGram[Y];}return Sum / Amount;}二、百分比阈值（P-Tile法）1、描述Doyle于1962年提出的P-Tile (即P分位数法)可以说是最古老的一种阈值选取方法。
该方法根据先验概率来设定阈值，使得二值化后的目标或背景像素比例等于先验概率，该方法简单高效，但是对于先验概率难于估计的图像却无能为力。
2、该原理比较简单，直接以代码实现。
/// <summary>/// 百分比阈值/// </summary>/// <param name="HistGram">灰度图像的直方图</param>/// <param name="Tile">背景在图像中所占的面积百分比</param>/// <returns></returns>public static int GetPTileThreshold(int[] HistGram, int Tile = 50){int Y, Amount = 0, Sum = 0;for (Y = 0; Y < 256; Y++) Amount += HistGram[Y]; // 像素总数for (Y = 0; Y < 256; Y++){Sum = Sum + HistGram[Y];if (Sum >= Amount * Tile / 100) return Y;}return -1;}三、基于谷底最小值的阈值1、描述：此方法实用于具有明显双峰直方图的图像，其寻找双峰的谷底作为阈值，但是该方法不一定能获得阈值，对于那些具有平坦的直方图或单峰图像，该方法不合适。
二值化实验报告
数字图像处理实验报告学号姓名日期实验一灰度图像的二值化处理一、实验目的图像二值化是数字图像处理技术中的一项基本技术，二值化图像的显示与打印十分方便，存储与传输也非常容易，在目标识别、图像分析、文本增强、字符识别等领域得到广泛应用。
图像二值化是将灰度图像转化为只有黑白两类像素的图像，大多采用阈值化算法处理。
在不同的应用中，阈值的选取决定着图像特征信息的保留。
因此，图像二值化技术的关键在于如何选取阈值。
二、实验内容1、编程绘制数字图像的直方图。
2、灰度图像二值化处理。
三、实验要求1、自己选择灰度图像。
2、选择多种阈值分割算法，并比较和分析图像二值化处理的结果。
3、使用VC++编程序。
四、设计思想（阈值选取算法）灰度图像是指只含亮度信息，不含色彩信息的图像, 将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。
图像的二值化处理就是将图像上的点的灰度置为0或255，也就是使整个图像呈现出明显的黑白效果。
即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
（1）全局阈值法：全局阈值法是指在二值化过程中只使用一个全局阈值T的方法。
它将图像的每个像素的灰度值与T进行比较，若大于T，则取为前景色（白色）；否则，取为背景色。
典型的全局阈值方法包括Otsu方法、最大熵方法等。
为了满足图像处理应用系统自动化及实时性要求，图像二值化的阈值的选择最好由计算机自动来完成（平均灰度值法，大津法，边缘算子法）。
（2）局部阈值法：局部阈值法一般用于识别干扰比较严重、品质较差的图像，相对整体阈值方法有更广泛的应用，但也存在缺点和问题，如实现速度慢、不能保证字符笔画连通性以及容易出现伪影现象(即在背景域受到噪音干扰得到笔画结果)等。
比较典型的局部二值化算法有Bernsen方法、多阈值的梯度强度法、基于纹理图像的方法、最大方差法等。
五、源程序（附上注释）#include "stdafx.h"#include "mydib.h"void rectcoding(HDIB hDIB,int wRect,int hRect){// 指向源图像象素的指针unsigned char * lpSrc;// 指向DIB的指针LPSTR lpDIB;// 指向DIB象素指针LPSTR lpDIBBits;//锁定并获得位图句柄的地址lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) hDIB);// 判断是否是8-bpp位图（这里为了方便，只处理8-bpp位图的模糊操作，其它的可以类推）if (::DIBNumColors(lpDIB) != 256){// 提示用户::AfxMessageBox ("目前只支持256色位图的运算！");// 返回return;}// 找到DIB图像象素起始位置lpDIBBits = ::FindDIBBits(lpDIB);//图像处理操作//方块编码//获得图像的宽度和高度LONG lWidth=::DIBWidth ((char*)lpDIB);LONG lHeight=::DIBHeight ((char*)lpDIB);// 计算图像每行的字节数LONG lLineBytes = WIDTHBYTES(lWidth * 8);if(lWidth!=lHeight){// 提示用户::AfxMessageBox("只能对宽度和高度相等的图像进行方块编码！");// 返回return;}//编码过程//循环变量LONG i,j,k;int ii,jj;double* Xt=new double [lWidth*lHeight/(hRect*wRect)];int Xi;int* a0=new int [lWidth*lHeight/(hRect*wRect)];int* a1=new int [lWidth*lHeight/(hRect*wRect)];int* N0=new int [lWidth*lHeight/(hRect*wRect)];int* N1=new int [lWidth*lHeight/(hRect*wRect)];//计算阈值k=0;for (i = 0; i < lHeight; i =i+hRect){for (j = 0; j < lWidth; j =j+wRect){Xt[k]=0;//计算Xtfor(ii=0;ii<hRect;ii++)for(jj=0;jj<wRect;jj++){ // 指向图像指针lpSrc = (unsigned char *)lpDIBBits + lLineBytes * (i+ii) + (j+jj);Xi=*lpSrc;Xt[k]+=Xi;}Xt[k]/=hRect*wRect;k++;}}//计算N0、N1k=0;for (i = 0; i < lHeight; i =i+hRect){for (j = 0; j < lWidth; j =j+wRect){N0[k]=0;N1[k]=0;//计算N0、N1for(ii=0;ii<hRect;ii++)for(jj=0;jj<wRect;jj++){ // 指向图像指针lpSrc = (unsigned char *)lpDIBBits + lLineBytes * (i+ii) + (j+jj);Xi=*lpSrc;if(Xi<Xt[k]) N0[k]++;else N1[k]++;}k++;}}//计算a0、a1k=0;for (i = 0; i < lHeight; i =i+hRect){for (j = 0; j < lWidth; j =j+wRect){a0[k]=0;a1[k]=0;//计算N0、N1for(ii=0;ii<hRect;ii++)for(jj=0;jj<wRect;jj++){ // 指向图像指针lpSrc = (unsigned char *)lpDIBBits + lLineBytes * (i+ii) + (j+jj);Xi=*lpSrc;if(Xi<Xt[k]) a0[k]+=Xi;else a1[k]+=Xi;}if(N0[k]!=0&&N1[k]!=0){ a0[k]/=N0[k];a1[k]/=N1[k];}k++;}}//二值化编码过程k=0;for (i = 0; i < lHeight; i =i+hRect){for (j = 0; j < lWidth; j =j+wRect){for(ii=0;ii<hRect;ii++)for(jj=0;jj<wRect;jj++){ // 指向图像指针lpSrc = (unsigned char *)lpDIBBits + lLineBytes * (i+ii) + (j+jj);Xi=*lpSrc;if(Xi<Xt[k]) Xi=a0[k];else Xi=a1[k];//赋新的像素值给像素*lpSrc=Xi;}k++;}}::GlobalUnlock((HGLOBAL) hDIB);}六、实验结果及实验分析处理前二值化后七、个人体会在整个的图像二值化过程中比较经典的二值化方法就是Otsu 算法和Bernsen 算法。
基于MATLAB的视频图像处理技术研究
基于MATLAB的视频图像处理技术研究一、简介视频图像处理技术主要是对视频图像进行分析和处理，以提高视频质量、对视觉感知的改善、信息的提取和应用等方面，常用的处理手段有滤波、边缘检测、运动估计等。
MATLAB是一款广泛应用于科学和工程领域的计算机软件，它强大的图像处理功能使其成为视频图像处理的常用软件。
二、视频预处理对视频进行预处理可以增强视频质量、减少视频噪声、增加对视频信息的提取等方面。
常用的预处理手段有图像灰度化、降噪、图像二值化等。
1.图像灰度化图像灰度化是一种将彩色图像转换为灰度图像的处理方式，它可以减少图像信息的跳变，保留图像的主要轮廓和纹理特征。
通常采用公式进行计算，将红色、绿色和蓝色三个通道的像素值进行线性加权，得到灰度图像的像素值。
在MATLAB中，可使用rgb2gray函数将彩色图像转换为灰度图像。
2.降噪处理在视频拍摄和传输过程中，噪声往往会影响到视频的质量，因此需要对噪声进行处理。
降噪可以减少视频噪声，提高视频质量，MATLAB可使用imnoise函数和wiener2函数来进行噪声的添加和降噪。
3.图像二值化处理图像二值化处理是指将图像分为两个部分：黑色和白色，以便于进行进一步的处理和分析。
常见的方法有阈值分割和自适应阈值分割。
MATLAB中有许多二值化函数，如graythresh函数和adaptivethresh函数。
三、视频分析和处理在视频分析和处理方面，主要涉及到视频分段、特征提取、运动估计等技术的应用。
1.视频分段视频通常由多个时间段组成，通过视频分段可以将一个完整的视频分为多个阶段，以便对视频进行更精细的处理和分析。
MATLAB可使用videoreader函数读取视频文件，使用read函数读取视频每一帧，然后根据帧数对视频进行分段。
2.特征提取特征提取是指通过对视频中的像素值、颜色、纹理等进行量化，提取出图像中的关键特征。
通常采用的方法有Haar小波变换、SIFT、SURF等，MATLAB可使用extracthogfeatures函数、extractlbpfeatures函数、extractsurffeatures函数来进行特征提取。
建筑物图像识别
建筑物图像识别研究摘要：随着城市化进程的不断发展，城市人口、经济等要素密切影响着城市建筑物的几何形态与分布。
从航拍图像或者卫星图像上快速准确的获取城市建筑物的信息不仅有利于地理空间数据的更新，而且对于有效监测新增建筑等城市专题信息有重要意义。
不仅如此，近年来基于卫星图像或者航拍图像的建筑物识别与轮廓提取算法的提出与研究改进，更有助于实现对城市建筑物的识别和分类。
其对GIS 数据的获得、对影像的理解、大比例尺制图和及其它许多对遥感数据的应用都具有重要的意义。
基于此，本文从建筑物轮廓的几何形态出发，对卫星图像中的建筑物轮廓的提取方法进行了研究。
主要进行了如下几方面工作：1、阐述了建筑物提取的基础理论。
对典型城市建筑物进行了特征分析，学习并理解在建筑物的轮廓提取中所要用到的算法，从中选择合适的边缘检测与轮廓提取算法。
2、在对已有方法进行总结归纳的基础上，系统的研究了基于灰度特征与二值数学形态学的轮廓描述算法和基于边缘特征的Hough变换直线提取算法，对这两种算法进行改进，初步实现了典型城市建筑物的半自动提取。
3、针对本文出现的方法进行编程实现，并针对试验结果对这两种方法进行综合的检测与评价，分析了这两种方法的特点及不足。
关键词：卫星图像；建筑物轮廓；二值数学形态学；边缘检测；直线提取Building Image Recognition and ResearchAbstract: With the continuing developing of urbanization, the urban population, economic and other factors are closely affecting the city building’s geometry and distribution. It is not only conductive to the data updating of geospatial, but also has important significance of the thematic information for effective monitoring of new city buildings and so on that accessing information form the city buildings aerial images or satellite images fast and accurately. Moreover, in recent years, building on satellite images to identify and contour extraction or aerial imagery and research to improve the algorithm proposed, but also help achieve the identification and classification of city buildings. Its GIS data acquisition, image understanding, large scale mapping and many other applications are of great significance.This paper is start form the geometry of the building outline, doing research of the extraction methods for the building outline which from high resolution images. Mainly for the following work areas:1.Describes the basic theory of building extraction. Urban buildings typicalcharacteristic analysis, systematic study of image processing algorithms to use in extraction of the building, from which to select the appropriate algorithm for edge detection and contour extraction.2.On the basis of summarizing the existing methods, the proposed featureextraction based on gray and binary mathematical morphology the contour edge detection algorithm based on linear Hough transform algorithm, the semi-automatic extraction of typical urban buildings.3.We were against the proposed method programming, and comprehensivetesting and evaluation of these two methods for the test results, the characteristics and drawbacks of the two methods.Key words:Satellite images, Building outline, Binary mathematical morphology，Edge detection，Line Extraction目录1 绪论 (1)1.1 研究背景和意义 (1)1.1.1 研究背景 (1)1.1.2 研究意义 (1)1.2 研究现状 (2)1.3 本文的主要内容 (3)2 建筑物图像预处理的基础理论 (6)2.1 建筑物的特征分析 (6)2.2 建筑物几何特征分类 (6)2.3 图像增强 (8)2.3.1 灰度变换 (8)2.3.2 直方图均衡变换 (14)2.4 本章小结 (19)3 基于灰度特征的建筑物轮廓提取 (20)3.1 图像二值化 (20)3.2 二值数学形态学 (25)3.2.1 膨胀与腐蚀 (25)3.2.2 开启与闭合 (27)3.3 本章小结 (31)4 基于边缘特征的建筑物轮廓提取 (32)4.1 边缘检测 (32)4.1.1 边缘检测技术 (32)4.1.2 边缘的分析 (33)4.1.3 关于梯度的概念 (33)4.2 边缘检测算子 (34)4.2.1 罗伯特(Robert)边缘算子 (35)4.2.2 索贝尔(Sobel)边缘算子 (35)4.2.3 Prewitt边缘算子 (35)4.2.4 拉普拉斯(Laplacian)边缘算子 (36)4.2.5 坎尼(Canny)边缘算子 (37)4.2.6 边缘检测算子比较 (40)4.3 直线段提取 (42)4.3.1 基于连接的直线段提取算法 (42)4.3.2 经典Hough变换算法 (43)4.3.3 经典Hough变换实验结果 (46)4.4 本章小结 (48)5 总结与展望 (49)5.1 总结 (49)5.2 展望 (50)参考文献 (51)致谢 (53)1 绪论1.1 研究背景和意义1.1.1 研究背景近年来，不断发展的空间技术使卫星图像与遥感图像呈现出高空间分辨率、高光谱分辨率和高时间分辨率的特点。
图像处理中二值化算法的应用场景
图像处理中二值化算法的应用场景图像处理是当今社会中一个广泛应用的领域，在工业生产、医学研究、安防监控等多个领域中得到了广泛的应用。
而其中，二值化算法是图像处理中的一项重要功能。
二值化算法可以将一幅彩色或灰度图像转换为黑白图像，将图像中的各个颜色值只保留黑色和白色两种颜色。
本文将对图像处理中二值化算法的应用场景进行探讨。
一、OCR识别OCR（Optical Character Recognition，光学字符识别）是指使用数字化手段将文本内容转换为可编辑文本的技术，是非常重要的一种应用。
而这种技术主要是通过图像处理技术来实现文字区域检测和字符分割的。
很多OCR软件中的二值化算法，可以有效地将文本区域和背景分离开来，达到了提高OCR识别率的目的。
二、印刷品质量检测印刷品质量检测是保证印刷品质量的重要手段，而黑白图像处理是印刷品质量检测中必不可少的一环。
二值化算法可以将印刷品上的文字、图像和背景分离开来，使得印刷品缺陷的检测和评价更加精准。
三、数字化档案管理数字化档案管理是指将各种纸质文档进行数字化转化，以减少存储空间，方便查询和共享。
而图像处理中的二值化算法可以将彩色或灰度的纸质文档转换为黑白图像，然后采用OCR等技术将其中的文字进行提取，从而达到数字化的目的。
四、安防监控领域在安防监控中，二值化算法常常被用来进行人脸或车辆的特征提取，从而实现身份识别或车辆识别。
而且，二值化算法可以很好地去除监控画面中的噪声，使得识别更加精确。
五、医学图像处理医学图像处理在现代医学领域中应用广泛，而其中一个重要的应用就是医学影像的二值化处理。
通过对医学影像的二值化处理，医生可以更加精细地观察医学影像中的重要结构。
六、文化遗产保护在文化遗产保护方面，图像处理可以通过二值化技术将照片、书籍及手稿的原始文本转换成数字字符，用来重建文化遗产资料的数字化。
以上就是图像处理中二值化算法的几个常见应用场景，随着技术的不断发展，二值化算法应用的领域也将不断扩张。
amtlab课程设计基于matlab的图像文字二值化处理--大学毕设论文
MATLAB课程设计设计题目：基于MATLAB的图像文字二值化处理姓名：班级：2014级信息工程学号：指导老师：目录摘要 (3)概述 (4)设计思路 (5)文字提取 (6)背景提取 (6)二值化 (7)结论 (8)参考资料 (9)摘要数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。
数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。
数字图像处理技术已经在各个领域上都有了比较广泛的应用。
图像处理的信息量很大，对处理速度的要求也比较高。
MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。
本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像处理，并通过一些例子来说明利用MATLAB图像处理工具箱进行图像处理的方法。
主要论述了利用MATLAB实现文字提取、背景提取、二值图像分析等图像处理。
关键词：MATLAB软件；文字提取、背景提取、二值图像；概述随着科技的发展，计算机技术的应用已经渗透到社会的方方面面，而与图像有关的通信、网络、传媒、多媒体等已经给人们的生活带来巨大的变化。
所以，图像技术将在未来的很长一段时间内，影响着计算机应用的各个领域。
因此，探究图像处理技术对今后计算机图像处理的发展有着很好的前瞻作用，也为图像处理的技术创新在以后提供理论上的支持。
设计思路二值图像中所有的像素只能从0和1这两个值中取，因此在MATLAB中，二值图像用一个由0和1组成的二维矩阵表示。
这两个可取的值分别对应于关闭和打开，关闭表征该像素处于背景，而打开表征该像素处于前景。
以这种方式来操作图像可以更容易识别出图像的结构特征。
图像二值化是指用灰度变换来研究灰度图像的一种常用方法，即设定某一阈值将灰度图像的像素分成大于阈值的像素群和小于阈值的像素群两部分。
vision master 二值化原理
vision master 二值化原理
Vision Master是一种用于图像处理的技术，其中二值化是其中一个重要的步骤。
二值化是将图像中的像素值转换为只有两种取值的过程，通常是将图像转换为黑白二色。
在这个过程中，像素值大于某个阈值的像素被设为白色，小于等于阈值的像素被设为黑色。
二值化的原理是基于图像的灰度级来进行的。
首先，需要将彩色图像转换为灰度图像，这可以通过将彩色像素的红、绿、蓝三个分量进行加权平均来实现。
然后，通过设定一个阈值来决定哪些像素将被设为黑色，哪些将被设为白色。
通常情况下，阈值的选择是根据图像的特点和需求来确定的。
二值化的目的是减少图像中的信息量，保留图像中最重要的特征。
通过将图像转换为只有黑白两种颜色的二值图像，可以更方便地进行形状分析、边缘检测、目标识别等操作。
在某些情况下，二值化还可以用于去除噪声，提升图像的质量。
然而，二值化也存在一些问题。
由于阈值的选择是基于整幅图像的统计特性进行的，因此对于图像中不同区域的亮度差异较大的情况，可能会导致部分细节的丢失或模糊。
此外，阈值的选择也可能会受到光照条件、噪声等因素的影响，进而影响二值化结果的准确性。
二值化是图像处理中的重要步骤之一，可以将彩色或灰度图像转换为黑白二色图像。
通过选择合适的阈值，可以保留图像中最重要的
特征，方便后续的图像处理和分析。
然而，二值化也存在一些限制，需要根据具体的应用场景和需求进行调整和优化。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
张、印刷纸张、医学图像、银行支票等; 获取图像的途 径也各不 相同, 如 CCD、数字相 机、扫 描仪、X 光、 CT 、MRI、显微镜等, 扫描到计算机里的图像质量 也参差不齐, 其中 CCD 和数字相机受环境光的影响 很大. 同时, 图像来源如纸张、支票也可能质量很差. 因此, 我们需要一种能处理低质量、甚至单峰直方图 的图像的二值化方法, 以尽可能地保留我们所需要 的信息, 特别是原图的特征信息.
2 已有的二值化方法
等于 的象素占全体象素的100t ( 0 t 1) , 其中 t 由用户给定.
以上算法都没有考虑在二值化过程中保留原有
图像的特征. 比如一幅在不均匀光照明下的图像中 物体轮廓的灰度是变化的, 也许是模糊的, 但是边界 线仍然可以识别出来, 用图像的特征检测算法也可 以检测出来[ 1] . 从下面实验可以看出, 现有的算法在 很多情况下, 二值化结果图会失去原图的许多丰富 的细节.
3 基于边界特征的二值化算法
在文字识别、银行印章识别等系统的二值化处
理中, 最理想的结果是以字体轮廓为边界, 将在边界
内的象素变换为黑象素, 边界外的象素变换为白象
素. 这也是本文提出的新算法的目的. 在此, 我们提出一种结合图像边界特征来进行
二值化的方法. 边界特征在文字识别、印章识别等应
用中是非常重要的特征, 是识别成功与否的关键. 因
( 1) 整体阈值法; ( 2) 局部阈值法; ( 3) 动态阈值法. 整体阈值二值化方法是指在二值化过程中只使 用一个阈值 的方法; 局部阈值法则是由象素灰度 值和象素周围点局部灰度特性来确定象素的阈值 的; 动态阈值法的阈值选择不仅取决于该象素灰度 值以及它周围象素的灰度值, 而且还和该象素的坐 标位置有关. 一般来说, 整体阈值法对质量较好的图 像较为有效( 这些图像的直方图有两个峰值) , 而局 部阈值法则能适应较为复杂的情况. 上述提到的应用中, 阈值的选择必须由计算机 来自动进行. 在已有的算法中, 有很多是必须由人工 进行干预的, 不适合上述应用. 下面列举一些自动阈 值的选择算法. ( 1) 非零元素取1法[ 5] . ( 2) 平均灰度值法. 该方法以图像中所有象素 的灰度值的平均值为阈值. ( 3) 最大方差法[ 5] . 该方法取阈值 , 它把双峰 直方图一分为二, 并使被分开的两部分之间方差 最大. 以上3种方法都是整体阈值法, 是较为常用的方 法. 下面的方法则需要人工干预. ( 4) P 块法[ 5] . 阈值 满足条件: 灰度值大于或
for 每个象素 f ( i, j ) do if b( i, j ) = 1 then / / 边界象素 begin A = 与求 e( i, j ) 相关的象素的平均灰度 for 每个与求 e( i, j ) 相关的象素 f ( u, v ) T ( u, v ) = A end else if T ( i, j ) is no t set then
Abstract Based on o perat ors f or edg e f eat ure detection, a new met ho d of adapt ive threshol d select ion is pro posed w hich combines t he lo cal t hreshold w ith g lobal t hreshold select ion. Our experiment s show t hat t he new algo rit hm keeps t he or ig inal edg e f eat ures w ell and is eff icient f or pr ocessing lo w -qualit y im ages.
关键词 二值化, 局部阈值, 整体阈值, 自适应, 边界特征 中图法分类号 T P 391
Binary-Conversion of Image with Feature Preserving
WANG Qiang M A L i-Zhuang
( S t ate K ey L aborat ory of CA D & CG, Zhej iang U niv er si ty, H angz hou 310027) ( D ep artment of Comp ute r Sci ence, Zhej iang U niv er si ty, H angz hou 310027)
( 2) 中心差分算子
2x f ( i , j ) = f ( i+ 1, j ) - f ( i- 1, j ) ,
2y f ( i , j ) = f ( i, j + 1) - f ( i, j - 1) . ( 3) Robert s 算子
+ f ( i , j ) = f ( i + 1, j + 1) - f ( i , j ) ,
在已知的图像二值化算法中, 局部阈值法对处 理低质量图像较为有效, 但是时间开销大, 而且在某 些情况下会产生一些失真. 因此, 需要一种不产生失 真、且时间开销又不大的方法来处理低质量图像, 并 保留足够的特征信息.
在上述应用中, 图像二值化时的阈值的选择必
原稿收到日期: 1999-06-21; 修改稿收到日期: 1999-10-14. 本课题得到国家杰出青年基金( 69625304) 资助. 王 强, 男, 1968年生, 博士研究 生, 主要研究方向为图像处理、计算机图形、科学计算可视化. 马利 庄, 男, 1963年生, 研究员, 博士生导师, 主要研究方向为 CA G D 、计算机图形 学、图像处理、科学计算可视化.
此, 在这些应用中的二值化预处理过程中, 我们希望 能较好地保留原图的边界特征, 并不增加新的边界
特征.
我们已知有很多差分算子:
( 1) x f ( i , j ) = f ( i, j ) - f ( i + 1, j ) ,
y f ( i , j ) = f ( i, j ) - f ( i, j + 1) .
Key words binary conversio n, local t hreshold, g lobal t hreshold, adapt iv e, edg e det ect io n
1 引 言
图像二值化是图像处理的一项基本技术, 也是 很多图像处理技术的预处理技术. 在模式识别技 术[ 1] 、光学字符识别( O CR ) [ 4] 、医学数据可视化中的 切片配准[ 6] 、及在如银行验印系统等工程应用中, 图 像二值化是它们进行数据预处理的重要技术. 在很 多图像处理技术中, 图像特征对于最终的识别结果 起着关键作用. 如在医学数据可视化中的切片配准 中, 切片图像的边界轮廓特征对于配准是至关重要 的. 因此在进行二值化预处理过程中, 能否保留原图 的主要特征是很关键的.
10 期
王 强等: 图像 二值化时图像特征的保留
7 47
须是由计算机自动选取的, 因此, 自动阈值的选取方 法就非常值得研究. 好的阈值自动选取方法既能较 好地保留原图中有用的信息, 又能减小时间上的 开销.
本文对图像二值化方法进行了讨论, 并特别 讨论了图像二值化阈值的自动选择, 在此基础上, 提出了一个新的图像二值化算法. 该算法着重于 在图像二值化时保留原图的边界特征, 且无须人工 干预.
图 3 边界特征抽取结果
图 1 原图
对图像进行预处理后, 进行 St ep2: 边界特征抽
图 4 最终结果
10 期
王 强等: 图像 二值化时图像特征的保留
7 49
在这个例子中, 象素( i, j ) 到( i+ 1, j ) 和( i , j + 1) 的灰度变化对( i , j ) 处的阈值选择起作用.
T ( i, j ) = T 0 Step6. 根据求出的阈值 T ( i, j ) 输出二值图像 g.
由于原图中会因为摄像机的扰动或其它干扰而 含有噪声, 所以在 St ep1要进行预处理, 可采用3×3 或 N ×N 均值滤波器或中值滤波器, 或者选择更为 复杂一些的如自适应平滑化方法[ 5] , 当然还可转换 为灰度图像. 图1是通过摄像机镜头获取的图像. 图2 是采用3×3均值滤波器, 经过去噪声处理的结果图.
第12卷 第10期 2 00 0年1 0月
计算机辅助设计与图形学学报
JOU R NA L O F CO M PU T ER A IDED D ESI GN A N D COM P U T ER GR AP HICS
V ol. 12, N o. 10 O ct. ,ቤተ መጻሕፍቲ ባይዱ2000
图像二值化时图像特征的保留
本文提出的新的图像二值化算法是一种局部阈 值法.
二值化可以看作是一种图像的压缩, 压缩后的 图像每象素只占1-bit . 在多数情况下, 这种压缩是 有损压缩, 许多图像的细节丢失了. 因此, 在二值 化的过程中, 我们应尽量保持图像中与应用有关的 细节.
二值化的阈值选取 已有很多方法, 主要分为3 类[ 1— 3] :
图 2 图1的预处理结果
取, 这是二值化阈值自适应选取的 基础. 图3 是图2 的边界求取结果, 这里采用如下的差分算子
f ( i , j ) = f ( i , j ) - f ( i + 1, j ) + f ( i , j ) - f ( i, j + 1) .
St ep3是对边界特征图进行常规二值化, 以确 定哪些象素点是边界象素点. 这时可采用平均灰 度值或最大方差法等方法, 这一步也可以与 Step5 结合进行. St ep5是算法的关键, 根据 Step3的结果 进行二值化阈值的自适应选择, 在灰度剧烈变化的 地方进行局部阈值计算. St ep6根据计算出的阈值 进行二值化输出. 图4是图1的二值化结果图.