图像二值化

        二值化广泛应用于图像分割、图像增强、图像识别等领域。二值图像具有存储空间小、处理速度快等特点，可以方便进行布尔逻辑运算，可以比较容易获取目标区域的几何特征或者其他特征，比如描述目标区域的边界、获取目标区域的位置和大小等。

        阈值的选取是图像二值化的关键问题。在灰度图像中，由于物体与背景的灰度分布存在着一定的差别，把整幅灰度图像用灰度直方图表示，则图中必然存在波峰和波谷。最简单的情况是存在两个峰值的情况，通常选取波谷位置即可得到较佳的阈值。但是，实际图像处理的过程，图像的灰度直方图往往比两个峰值的情况更复杂，目标内部的灰度分布也不均匀，而且由于噪声的影响使图像产生多个峰值，目标的灰度和背景相差不明显，使灰度直方图出现单峰值的情况。在这些情况下，阈值的寻找变得困难。须寻找一种高效的阈值计算方法对图像进行二值化。

        目前，二值化方法可分为全局阈值法、局部阈值法和动态阈值法三类。

      （1）全局阈值法。对整幅图像选取单一的阈值T进行二值化。这种方法计算速度较快，在物体和北京的灰度差别较明显时效果比较好。它将图像每个像素的灰度值与阈值T进行比较，若大于T，则取为前景色（白色）；否则，取为背景色（黑色）。

      （2）局部阈值法。把图像分成若干区域，将各块图像的灰度均值作为子区域的阈值，对每个区域分别进行二值化，或对图像中的每一个像素点，根据其邻域像素点的灰度变化情况来设定一个阈值，然后逐点对图像进行二值化。这种方法速度比全局阈值法要慢，但对比较复杂或背景存在噪声的图像，用单一的阈值很难区分物体和背景，这种方法要优于全局阈值法。

       （3）动态阈值法。此方法中阈值的选择不仅取决于该像素及周围像素的灰度值，而且还与该像素的坐标位置有关。例如可以在局部上统计该区域灰度值分布特征，根据统计结果来确定不同的局部阈值。