阈值Java_阈值处理（深入学习）

在暑假的学习中，我简单的学习了一下阈值处理以及其实现，可见博客：

之前看绿皮书觉得里面讲的虽然很好，但是就是不是很懂，经过一段时间的学习后，在反过来看绿皮书，才觉得是真的写的好；

一张图片分为前景和后景，我们感兴趣的一般是前景，所以我们一般使用阈值将前景和后景分割开来，使我们感兴趣的图像的像素值为1，不感兴趣的我0，有时一张图我们会有几个不同的感兴趣区域(不在同一个灰度区域)，这时我们可以用多个阈值进行分割

物体的像素和背景的像素所具有的灰度值组合成了两种支配模式。

由上图，我们可以推断影响阈值分割好坏的因素有如下几个：

1.波峰间的间隔。(波峰离得越远，分离这些模式的机会越好)

2.图像中的噪声内容。(模式随噪声的增加而展宽)

3.物体和背景的相对尺寸。

4.光源的均匀性。

5.图像反射特性的均匀性。

一、噪声对处理阈值的影响

当没有噪声时，两种模式距离大，很容易分割,如图d;

当有点噪声时还是可以分割，因为两种模式距离足够大，在两个波峰间选择一个阈值就足以两个模式分隔开；如图e

当噪声变得很大时，可以看到图c和f，图片已经完全不能进行分割了，所以我们必须得先对噪声进行处理然后再对图像进行分割。

二：光照和反射的影响

第一张图片为略带噪声的图片，第二张图为光照不均匀的模拟图(在一张恒定灰度图上用不均匀的光线进行照射得到)，第三张图片为前两张图片进行相乘得到。

我们发现原图的双峰变成了c图的双峰，图片变得不容易分割，所以我们要去除光照的影响，

我们一般有三种方式对图片的光照进行处理，1.利用相反的光照模式来和图片相乘来校正，但是除非我们的图片是现场拍的，不然我们很难得到当时的光照条件。2.利用顶帽变换处理来尝试校正全局阴影模式。3.使用可变阈值近似处理非均匀性。

来自：刚萨雷斯数字图像处理