二值化

转自：百度百科http://baike.baidu.com/view/983308.htm

目录

简介

方法

分类

应用

展开

编辑本段简介

一幅图像包括目标物体、背景还有噪声，要想从多值

  二值化

的数字图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的 二值化（BINARIZATION）。

图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

编辑本段方法

全局二值化

一幅图像包括目标 物体、 背景还有 噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定一个全局的阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。将大于T的像素群的像素值设定为 白色（或者 黑色），小于T的像素群的像素值设定为黑色（或者白色）。

全局二值化，在表现图像细节方面存在很大缺陷。为了弥补这个缺陷，出现了局部二值化方法。

局部二值化的方法就是按照一定的规则将整幅图像划分为N个窗口，对这N个窗口中的每一个窗口再按照一个统一的阈值T将该窗口内的像素划分为两部分，进行二值化处理。

局部自适应二值化

局部二值化也有一个缺陷。这个缺陷存在于那个统一阈值的选定。这个阈值是没有经过合理的运算得来，一般是取该窗口的平局值。这就导致在每一个窗口内仍然出现的是全局二值化的缺陷。为了解决这个问题，就出现了局部自适应二值化方法。

局部自适应二值化，该方法就是在局部二值化的基础之上，将阈值的设定更加合理化。该方法的阈值是通过对该窗口像素的平均值E，像素之间的差平方P，像素之间的均方根值Q等各种局部特征，设定一个参数方程进行阈值的计算，例如：T=a*E+b*P+c*Q，其中a,b,c是自由参数。这样得出来的二值化图像就更能表现出二值化图像中的细节。

编辑本段分类

根据阈值选取的不同，二值化的算法分为固定阈值和自适应阈值。 比较常用的二值化方法则有：双峰法、P参数法、迭代法和OTSU法等。 ^[1]

编辑本段应用

二值化是 图像处理的基本操作，任何图像处理基本离不开二值化的操作。其应用非常广泛。

参考资料

• 1．  数字图像处理领域的二十四个典型算法及vc实现、第一章  ．结构之法 算法之道 [引用日期2013-03-6] ．

转载于:https://www.cnblogs.com/pamxy/archive/2013/03/21/2991457.html