whiteBearClimb的博客

概念：该方法网上很多很简洁但是很难懂的公式，本文章将会由简单例子入手，一步步去理解那些公式，但是不做代码实现，毕竟只要搞懂了这个算法的思想，代码的实现其实千变万化，甚至用CV库的话根本不用写代码。为啥出现这个二值化算法，OTSU的致命缺陷在哪里？在大津算法OTSU中，由于采取的都是全局均值求出最佳全局阈值，但是在图片光照不均匀的场景，很容易把稍微模糊的边缘目标图像当作背景，为了避免这种场景，我们就可以考虑更为细腻的局部自适应阈值，它是根据图像不同区域亮度，不断计算更新局部阈值，同时不断“刷新”局部图像

由日本人大津于1979年提出，基本思想就是，找到令前景和背景差距最大的那个T，就是最佳阈值（1）对于图像I，设T为前景与背景的分割阈值(初始化阈值)，记住T是会浮动的，它会慢慢调整（2）根据上一步初始化定义的T：设前景像素点数占图像比例为W0，前景平均灰度值为u0设背景像素点数占图像比例为W1，背景平均灰度值为u1（3）设图像总平均灰度 ut = w0u0 + w1u1（4）计算方差值Q=W0*(u0-ut)^2 + W1*(u1-ut)^2方差值越大，说明图像构成的两部分差别越大，在该点阈值

概念：1996年，Prewitt提出了直方图双峰法，即如果灰度级直方图呈明显的双峰状，则选取两峰之间的谷底所对应的灰度级作为阈值。(横坐标是图像中各像素点的灰度级，纵坐标是具有该灰度级（像素值）的像素个数。)它认为图像由前景和背景组成，在灰度直方图上，前后二景都形成高峰，在双峰之间的最低谷处就是图像的阈值所在。例子：注意X轴是灰度值，Y轴是该灰度值的像素点个数（1）初始化：假设我现在有一张图片的灰度直方图如下,初始化双峰V1=（0，30），V2=（255，30），初始化阈值为th = 127此

（1）概念腐蚀与膨胀算法，是一种入门级基础的形态学处理算法，常见用于图形处理方面腐蚀操作可以消除噪点，同时消除部分边界值，导致目标图像整体缩小。膨胀操作可以使目标特征值增大，导致目标图像整体放大。他两组合起来使用，可以达到更好分割独立的图形元素的目的。核：腐蚀和膨胀算法的灵魂，也是最需要花心思设计的东西，根据目标图像的特征不同，要设置不同的核才能产生很好的效果更专业的叫法叫做“结构元素”，其中核心，也就是结构元素的中心点，叫做“锚点”，一般采用结构元素的影响区域的最小像素值去替换掉“锚点”的像素

1：概念首先我们看下面一张图玩个游戏假设红色的点，是你目前站的地方（山顶）黄色的点，是你的目标地点（营地）你被空投到了雪山山顶，现在山顶美景欣赏完了，急着到山下的营地吃个饱饭睡个觉，那么这个时候就要下山，可是你不知道下山的路该怎么走/要走多久等等那么，怎么下？肯定不可能一下子跳下来，而是按照正常人的思维，找一条下山的路，一点点一点点分阶段往下（如下图）就像我们下山，都是先环顾四周，找到下一个比较低且路好走的地方，走过去，再站在那里找下一个比较低且路好走的地方，走过去，再站在那里……周而复始