大津法和局部阈值分割

除了图像边缘，阈值也是图像分割中的一种重要方法。主要包含如下两类：

（1）全局阈值分割

（2）局部阈值分割

 

全局阈值分割

大津法是一种著名的全局阈值分割方法，它的优点在于完全以在一副图像的直方图上执行为基础，而直方图是很容易得到的一维阵列。它的思路是将图像直方图的灰度像素基于某一阈值分为两类，计算两类的类间方差，通过不断迭代，使得类间方差达到极小值，从而得到阈值。OPENCV中调用函数：

threshold(edge,otsu,30,255,THRESH_BINARY|THRESH_OTSU);

局部阈值分割

当一幅图像中包含噪声和非均匀光照时，全局阈值分割法不再有效，因此应该采用基于图像局部特性的阈值分割方法（局部均值和局部方差）。OPENCV中提供了两种方法：平均、高斯加权，调用函数：

adaptiveThreshold(edge,adtg,255,ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY_INV,3,0);adaptiveThreshold(edge,adtg,255,ADAPTIVE_THRESH_GAUSSIAN_C,THRESH_BINARY_INV,3,0);

操作时根据图像应进行模板大小的调整

实验结果

从左至右分别是原图、大津法分割、局部分割（高斯加权）结果，可以看出大津法分割效果较好。

   

从左至右分别是原图、大津法分割、局部分割（均值）结果，可以看出局部分割效果较好。

  

实际场景，两种简单的分割方法效果均不理想。

总结

（1）大津法的优点在于可以快速有效的找到类间分割阈值，但其缺点也很明显，就是只能针对单一目标分割，或者感兴趣的目标都属于同一灰度范围，若需探测目标灰度范围分布较大，则必将有一部分目标探测丢失（例如上图中黑色和白色的汽车）。

（2）局部分割的优点在于可以进行多目标分割，缺点在于基于局部阈值分割出的目标连结性较差，包含噪声。