局部二值化算法Niblack OpenCV实现

最新推荐文章于 2024-06-18 11:54:49 发布

letmecode

最新推荐文章于 2024-06-18 11:54:49 发布

阅读量8.2k

点赞数

分类专栏：图像处理 OpenCV 文章标签： opencv 图像处理图像二值化

本文链接：https://blog.csdn.net/fabulousli/article/details/52203263

版权

Niblack算法是文本图像二值化的经典方法，通过计算邻域内像素的均值和标准差来构建阈值曲面。该算法的核心思想在于依据局部区域的灰度特性进行二值化处理，适用于噪声环境下的文本图像处理。后续的Sauvola和Nick算法是对Niblack的改进，进一步优化了阈值计算策略。

摘要由CSDN通过智能技术生成

Niblack 算法的应用于文本图像二值化领域较多，算是比较经典的局部二值化处理方法，其局部二值化方法的提出也很有借鉴意义，包括后来的一些对其改进方法，Sauvola 算法、Nick 算法，核心思想是：根据图像像素点的邻域内的平均灰度和标准偏差来构造一个阈值曲面进行二值化处理。其阈值计算如下：

point 1：计算窗口内像素均值；

point 2：计算窗口内像素标准差。

这两个点的计算方法因人而异。

void niBlackThreshold(InputArray _src, OutputArray _dst, double maxValue,
			int type, int blockSize, double delta)
		{
			// Input grayscale image
			Mat src = _src.getMat();
			CV_Assert(src.channels() == 1);
			CV_Assert(blockSize % 2 == 1 && blockSize > 1);
			type &= THRESH_MASK;

			// Compute local threshold (T = mean + k * stddev)
			// using mean and standard deviation in the neighbo