[科普中国]-图像二值化

简介

将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。

所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。

原理图像的二值化处理就是将图像上的点的灰度值为0或255，也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于在对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。1

如果某特定物体在内部有均匀一致的灰度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用阈值法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上（比如纹理不同），可以将这个差别特征转换为灰度的差别，然后利用阈值选取技术来分割该图像。动态调节阈值实现图像的二值化可动态观察其分割图像的具体结果。

程序实现OpenCVOpenCV中有两个函数可以实现图片的二值化：

（1）cvThreshold( dst, dst,230 , 255, CV_THRESH_BINARY_INV);

（2）cvAdaptiveThreshold( dst, dst, 255, CV_ADAPTIVE_THRESH_MEAN_C,CV_THRESH_BINARY, 9, -10);

方法（1）是手动指定一个阈值，以此阈值来进行二值化处理。其中的第四个参数决定了该方法的结果：

threshold_type=CV_THRESH_BINARY:

dst(x,y) = max_value, if src(x,y)>threshold 0, otherwise.

threshold_type=CV_THRESH_BINARY_INV:

dst(x,y) = 0, if src(x,y)>threshold; dst(x,y) = max_value, otherwise.

threshold_type=CV_THRESH_TRUNC:

dst(x,y) = threshold, if src(x,y)>threshold; dst(x,y) = src(x,y), otherwise.

threshold_type=CV_THRESH_TOZERO:

dst(x,y) = src(x,y), if (x,y)>threshold ; dst(x,y) = 0, otherwise.

threshold_type=CV_THRESH_TOZERO_INV:

dst(x,y) = 0, if src(x,y)>threshold ; dst(x,y) = src(x,y), otherwise.

值得一说的是threshold_type可以使用CV_THRESH_OTSU类型，这样该函数就会使用大律法OTSU得到的全局自适应阈值来进行二值化图片，而参数中的threshold不再起 作用。比如：cvThreshold( dst, dst,300 , 255, CV_THRESH_OTSU | CV_THRESH_BINARY_INV);这种方法对于灰度直方图呈现二峰特征的图片处理起来效果很好。

方法（2）是一个自适应阈值二值化方法，通过设定最后两个参数来调整效果。

Matlabfunction level = Mygraythresh(I) %GRAYTHRESH Global image threshold using Otsu's method. % LEVEL = Mygraythresh(I) computes a global threshold (LEVEL) that can be % used to convert an intensity image to a binary image with IM2BW. LEVEL % is a normalized intensity value that lies in the range [0, 1]. % GRAYTHRESH uses Otsu's method, which chooses the threshold to minimize % the intraclass variance of the thresholded black and white pixels. % % Example % ------- % I = imread('coins.png'); % level = Mygraythresh(I); % BW = im2bw(I,level); % figure, imshow(BW) % % See also IM2BW. %I=rgb2gray(I); I=im2uint8(I(:)); depth=256; counts=imhist(I,depth); w=cumsum(counts); ut=counts .* (1:depth)'; u=cumsum(ut); MAX=0; level=0; for t=1:depth u0=u(t,1)/w(t,1); u1=(u(depth,1)-u(t,1))/(w(depth,1)-w(t,1)); w0=w(t,1); w1=w(depth,1)-w0; g=w0*w1*(u1-u0)*(u1-u0); if g > MAX MAX=g; level = t; end end level=level/256; 算法比较1：OTSUOTSU的中心思想是阈值T应使目标与背景两类的类间方差最大。对于一幅图像，设当前景与背景的分割阈值为t时，前景点占图像比例为w0，均值为u0，背景点占图像比例为w1，均值为u1。则整个图像的均值为u = w0*u0+w1*u1。建立目标函数g(t)=w0*(u0-u)^2+w1*(u1-u)^2，g(t)就是当分割阈值为t时的类间方差表达式。OTSU算法使得g(t)取得全局最大值，当g(t)为最大时所对应的t称为最佳阈值。OTSU算法又称为最大类间方差法。2

int Threshold(int *hist) //compute the threshold{float u0, u1;float w0, w1;int count0;int t, maxT;float devi, maxDevi = 0; //方差及最大方差int i;int sum = 0;for (i = 0; i imageData+(i+1)*wide;pPreLine=src->imageData+(i-1)*wide;for(j=1;jimageData+i*wide;for(j=0;jthreshold?255:0;}}