文章目录
前言
阈值分割常用于图像二值化处理。
遇到背景和目标之间分界不清的问题。可以先对图像进行预处理,如LUT、直方图均衡、空域与频域滤波等。使用线灰度工具观察一条跨边缘的线段上的灰度分布,也有助于选择合适的阈值。此外,形态学处理可以对分割后的二值图像进行纠正,以滤除阈值分割过程的错误选择。
一、阈值分割的分类
手动分割、自动全局分割、局部分割。
局部分割对于光照不均匀图像有明显效果。
二、自动全局分割种类及特点
1.cluster-聚类法
聚类法是唯一支持自动多阈值分割的算法。LabVIEW使用IMAQ AutoMthreshold和IMAQ MultiThreshold来实现。也可以使用IMAQ AutoBthreshold选择cluster以实现二值化分割。
聚类法适用于具有图像直方图具有明显波谷的图像。
2.entropy-最大熵信息法
最大熵信息法。使用香农的熵信息论。
特点是可以区分目标物体原小与背景的图像。
3.metric-最小均匀性度量法
使用于目标物与背景各自区域内灰度较为均匀的图像。
4.moment-矩保持法
使用图像对比度较低的情况。主要是消除图像的噪声影响
5.inter class variant-最大类间方差法
适用于图像直方图具有明显的双波峰,并且目标与背景面积像差不大。对噪声相对敏感,常与其他方法配合使用。
三、局部阈值分割
使用IMAQ LocalThreshold对图像进行局部阈值分割。
背景纠正法(此算法速度相对较快,效果较差):
使用 BackgroundCorrecttion会对图像像素与邻域内像素做减法运算,再使用最大类间方差法进行阈值分割。
Niblack二值化算法:
总结
未完待续