视频二值化处理基本方法以及简单代码实现

参考了网上的一些博客，基于opencv和vs2010的环境，将图像二值化应用到视频处理中去，下面将方法进行介绍。

方法一：

对RGB彩色图像灰度化以后，扫描图像的每个像素值，值小于127的

将像素值设为0(黑色)，值大于等于127的像素值设为255(白色)。该方法的好处是计算

量少速度快。缺点更多首先阈值为127没有任何理由可以解释，其次完全不考虑图像的

像素分布情况与像素值特征。可以说该方法是史最弱智的二值处理方法一点也不为过。

方法二：

最常见的二值处理方法是计算像素的平均值K，扫描图像的每个像素值如像素值大于K

像素值设为255(白色)，值小于等于K像素值设为0(黑色)。该方法相比方法一，阈值的

选取稍微有点智商，可以解释。但是使用平均值作为二值化阈值同样有个致命的缺点，

可能导致部分对象像素或者背景像素丢失。二值化结果不能真实反映源图像信息。

代码中大于平均值的设为0，小于设为255

方法三：http://en.wikipedia.org/wiki/Thresholding_(image_processing)

使用近似一维Means方法寻找二值化阈值，该方法的大致步骤如下：

1.一个初始化阈值T，可以自己设置或者根据随机方法生成。

2. 根据阈值图每个像素数据P(n,m)分为对象像素数据G1与背景像素数据G2。(n为

行，m为列)

3.G1的平均值是m1, G2的平均值是m2

4. 一个新的阈值T’ = (m1 + m2)/2

5. 回到第二步，用新的阈值继续分像素数据为对象与北京像素数据，继续2～4步，

直到计算出来的新阈值等于上一次阈值。

编程实现如下：

#include "highgui.h"

#include "cv.h"

//函数声明

void RGB_Gray_Typical(IplImage *tempFrame, IplImage *grayImage);

void BinaryFilter (IplImage *grayImage,IplImage *FliterImage);

void BinaryFilterTypical (IplImage *grayImage,IplImage *FliterImage);

void AverageBinaryFilter (IplImage *grayImage,IplImage *FliterImage);

void ThresholdBinaryFilter(IplImage *grayImage,IplImage *FliterImage);

int main()

{