基于局部统计的可变阈值处理

一、概念

当背景照明非常不均匀时，全局阈值处理通常会失败。

该问题的一种解决方案是试图估计明暗函数，并用它来补偿不均匀的灰度模式，然后使用前节讨论的方法对图像做全局阈值处理。

在不规则光照情形下，或者在有多个主要物体灰度的情况下（此时全局阈值处理也有困难），进行补偿的另外一种方法是采用可变阈值处理
这种方法是基于 (x,y) 的邻域中像素的一种或多种指定特性，在每个点 (x,y) 处计算一个阈值

使用一幅图像中每一点的邻域中像素的标准差和均值来说明局部阈值处理的基本方法。这两个量对于确定局部阈值十分有用，因为它们是对局部对比度和平均灰度的描述子

计算局部标准差： g = stdfilt(f,nhood)
其中，f 是输入图像，nhood 是由0和1组成的数组，其中非零元素指定用于计算局部标准差所用的邻域。nhood 的尺寸在每个维度上必须是奇数，默认值是 ones(3)

计算局部均值：使用函数 localmean

基于局部均值和标准差的可变局部阈值的通用形式：
其中 m 不是局部均值 mxy,就是全局均值mG。

二、全局和局部阈值处理的比较

酵母细胞图像：