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)