图像分割技术（2）

接上篇图像分割技术（1）

2.2 全局阈值分割的改进方法

通常待处理的图片会有噪声和光照的影响，这些因素会对阈值分割造成很大的干扰

a) 对光照不均

可以考虑直方图均衡化，或者图像形态学的顶帽变换。后者效果更好。

b) 对噪声干扰

一般来说先做个低通滤波会有很好的改善；

但对于前景物很小的情况，其在直方图上完全被噪声淹没，做低通滤波甚至可能直接把前景抹去。

这时可考虑以下方法：

1. 对图A做高通滤波（梯度，拉普拉斯），得B

2. 选取一个阈值T对B做阈值化，目的是筛选出强边缘，得C

3. 仅对A中在C位置大于0的点统计直方图，做2.1中的阈值分割

2.3 局部阈值分割

局部阈值意味着阈值可变，其主要针对受噪声、不均匀光照影响的图像

1）一种很容易想到的方法就是：对图像分块，在每块内做全局阈值分割。但子块的数目和划分方法不好确定。

2）另一种是考虑每个像素的邻域，通过计算其邻域的均值和方差决定一个阈值（一个像素一个阈值），

OpenCV的adaptiveThreshold()就是这个思路：

3）移动平均算法

这是一种很有意思的方法，主要针对前景物细小的情况，如文档、文本图像（图2-1）