[科普中國]-二值化圖像

概述

將256個亮度等級的灰度圖像通過適當?shù)拈撝颠x取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，首先，圖像的二值化有利于圖像的進一步處理，使圖像變得簡單，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標的輪廓。其次，要進行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像。

所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。1

原理圖像的二值化處理就是將圖像上的點的灰度置為0或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果。即將256個亮度等級的灰度圖像通過適當?shù)拈撝颠x取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實用的圖像處理中，以二值圖像處理實現(xiàn)而構成的系統(tǒng)是很多的，要進行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于在對圖像做進一步處理時，圖像的集合性質只與像素值為0或255的點的位置有關，不再涉及像素的多級值，使處理變得簡單，而且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。如果某特定物體在內部有均勻一致的灰度值，并且其處在一個具有其他等級灰度值的均勻背景下，使用閾值法就可以得到比較的分割效果。如果物體同背景的差別表現(xiàn)不在灰度值上(比如紋理不同)，可以將這個差別特征轉換為灰度的差別，然后利用閾值選取技術來分割該圖像。動態(tài)調節(jié)閾值實現(xiàn)圖像的二值化可動態(tài)觀察其分割圖像的具體結果。1

形成方法像素值法該方法非常簡單，對RGB彩色圖像灰度化以后，掃描圖像的每個像素值，值小于127的將像素值設為0(黑色)，值大于等于127的像素值設為255(白色)。該方法的好處是計算量少速度快。缺點更多首先閾值為127沒有任何理由可以解釋，其次完全不考慮圖像的像素分布情況與像素值特征?？梢哉f該方法是史最弱智的二值處理方法一點也不為過。

平均值法最常見的二值處理方法是計算像素的平均值K，掃描圖像的每個像素值如像素值大于K像素值設為255(白色)，值小于等于K像素值設為0(黑色)。該方法相比方法一，閾值的選取稍微有點智商，可以解釋。但是使用平均值作為二值化閾值同樣有個致命的缺點，可能導致部分對象像素或者背景像素丟失。二值化結果不能真實反映源圖像信息。

直方圖法使用直方圖方法來尋找二值化閾值，直方圖是圖像的重要特質，直方圖方法選擇二值化閾值主要是發(fā)現(xiàn)圖像的兩個最高的峰，然后在閾值取值在兩個峰之間的峰谷最低處。該方法相對前面兩種方法而言稍微精準一點點。結果也更讓人可以接受。

實驗效果：

Means方法使用近似一維Means方法尋找二值化閾值，該方法的大致步驟如下：

1.一個初始化閾值T，可以自己設置或者根據(jù)隨機方法生成。

2.根據(jù)閾值圖每個像素數(shù)據(jù)P(n,m)分為對象像素數(shù)據(jù)G1與背景像素數(shù)據(jù)G2。(n為行，m為列)

3.G1的平均值是m1, G2的平均值是m2

4.一個新的閾值T’ = (m1 + m2)/2

5.回到第二步，用新的閾值繼續(xù)分像素數(shù)據(jù)為對象與北京像素數(shù)據(jù)，繼續(xù)2～4步，直到計算出來的新閾值等于上一次閾值。

實驗效果：

OpenCVOpenCV中有兩個函數(shù)可以實現(xiàn)圖片的二值化:

(1)cvThreshold( dst, dst,230 , 255, CV_THRESH_BINARY_INV);

(2)cvAdaptiveThreshold( dst, dst, 255, CV_ADAPTIVE_THRESH_MEAN_C,CV_THRESH_BINARY, 9, -10);

方法(1)是手動指定一個閾值，以此閾值來進行二值化處理。其中的第四個參數(shù)決定了該方法的結果:

threshold_type=CV_THRESH_BINARY:

dst(x,y) = max_value, if src(x,y)>threshold 0, otherwise.

threshold_type=CV_THRESH_BINARY_INV:

dst(x,y) = 0, if src(x,y)>threshold; dst(x,y) = max_value, otherwise.

threshold_type=CV_THRESH_TRUNC:

dst(x,y) = threshold, if src(x,y)>threshold; dst(x,y) = src(x,y), otherwise.

threshold_type=CV_THRESH_TOZERO:

dst(x,y) = src(x,y), if (x,y)>threshold ; dst(x,y) = 0, otherwise.

threshold_type=CV_THRESH_TOZERO_INV:

dst(x,y) = 0, if src(x,y)>threshold ; dst(x,y) = src(x,y), otherwise.

值得一說的是threshold_type可以使用CV_THRESH_OTSU類型，這樣該函數(shù)就會使用大律法OTSU得到的全局自適應閾值來進行二值化圖片，而參數(shù)中的threshold不再起 作用。比如:cvThreshold( dst, dst,300 , 255, CV_THRESH_OTSU | CV_THRESH_BINARY_INV);這種方法對于灰度直方圖呈現(xiàn)二峰特征的圖片處理起來效果很好。

方法(2)是一個自適應閾值二值化方法，通過設定最后兩個參數(shù)來調整效果.