大津法和局部阈值分割
来源:互联网 发布:阿里云rds数据库导入 编辑:程序博客网 时间:2024/06/04 18:12
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。
1 0
- 大津法和局部阈值分割
- OpenCV实现局部动态阈值分割
- 灰度图像--图像分割 阈值处理之局部阈值
- 全局固定阈值和局部自适应阈值
- ostu大津法 自动阈值分割
- 基于Niblack's method方法的局部阈值分割
- 阈值分割
- 阈值分割
- 阈值分割
- 阈值分割
- 阈值分割
- 大津法otsu的自动阈值分割源代码
- 大津法otsu的自动阈值分割源代码
- 阈值分割,手动设置阈值
- Opencv图像识别从零到精通(15)-----阈值分割、固定阈值Threshold、自适应阈值分割adaptiveThreshold、OSTU大津法
- 《光照不均匀图像的灰度波动局部阈值分割》opencv编码实现
- 基于OpenCV和C++实现最大阈值分割算法
- 阈值分割与区域分割
- Linux 系统设置NTP
- 简单的信号测试程序
- Android开发之生成自己的签名文件及App签名打包
- ZYNQ启动
- 插入排序算法
- 大津法和局部阈值分割
- easyui的tree之模糊查询
- Django速成-构建一个Blog-Demo
- Linux 基础教程——命令行基础
- AR!!!高通Vuforia-iOS-SDK 和官方Demo 集成到iOS 项目中所需要注意的几点.
- Java中对小数进行精确的运算
- 【Scrapy爬虫系列1】爬虫的几大问题——抛砖引玉
- 插入排序
- NOIP2016普及组第四题魔法阵解说+水法