Niblack和局部均值算法的二值化比较

Niblack二值化算法是比较简单的局部阈值方法，阈值的计算公式是T = m + k*v，其中m为以该像素点为中心的区域的平均灰度值，v是该区域的标准差，k是一个修正系数  

这几天在研究静脉的图像二值化，然后百度了几次无果，要不然就是效果差，达不到心中的期待值。所以打算自己动手造一下轮子。

首先我用了局部均值法，效果挺棒的。废话不多说，看代码；  void Mean_method(BYTE *image_in, BYTE *image_out, int xsize, int ysize){/*////////////////////////////////////////////////////////////////////// 作者：杨魁//参数列表：//image_in            输入图像的指针//image_out        输出图像的指针//xsize                图像的宽//ysize                图像的高////////////////////////////////////////////////////////////////////*/int sum = 0;int i, j, h, k;;//用于循环int T = 0;//阈值int num = 0;//用于自加int w_size = 7;//窗口大小为2*w_size+1int Area = (2 * w_size + 1)*(2 * w_size + 1);int *d = (int *)malloc(sizeof(int)*Area);//数组空间for (j = w_size; j < ysize - w_size; j++){    for (i = w_size; i < xsize - w_size; i++)    {        sum = 0;        num = 0;        for (h = 0; h < 2 * w_size + 1; h++)        {            for (k = 0; k < 2 * w_size + 1; k++)            {                d[num++] = GetGray(image_in, xsize, i + w_size - k, j + w_size - h);            }        }        for (h = 0; h < Area; h++)        {            sum += d[h];        }        T = sum / Area;        *(image_out + j *xsize + i) = *(image_in + j *xsize + i) > T ? 255 : 0;    }}free(d);}  

我写的比较简单。例如边缘我直接没有处理。待我慢慢改进。处理的图像效果如下。 

效果不错吧。

然后我又换了一种被叫做Niblack的算法。代码如下：void NiBlack(BYTE *image_in, BYTE *image_out, int xsize, int ysize){/*////////////////////////////////////////////////////////////////////// 作者：杨魁//参数列表：//image_in            输入图像的指针//image_out        输出图像的指针//xsize                图像的宽//ysize                图像的高////////////////////////////////////////////////////////////////////*/int sum = 0;int i, j, h, k;;//用于循环int Average = 0;//平均值int num = 0;//用于自加int w_size = 7;//窗口大小为2*w_size+1int Area = (2 * w_size + 1)*(2 * w_size + 1);int *d = (int *)malloc(sizeof(int)*Area);//数组空间int T = 0;//阈值int S = 0;//标准差for (j = w_size; j < ysize - w_size; j++){    for (i = w_size; i < xsize - w_size; i++)    {        sum = 0;        num = 0;        for (h = 0; h < 2 * w_size + 1; h++)        {            for (k = 0; k < 2 * w_size + 1; k++)            {                d[num++] = GetGray(image_in, xsize, i + w_size - k, j + w_size - h);        //求area领域内的像素值            }        }        for (h = 0; h <Area; h++)        {            sum += d[h];//求总和        }        Average = sum / Area;        sum = 0;        for (h = 0; h < Area; h++)        {            sum += (d[h] * d[h]);        }        S = sqrt((float)sum);        S = S / Area;         T = Average + 0.05*S;//确定阈值        *(image_out + j *xsize + i) = *(image_in + j *xsize + i) > T ? 255 : 0;    }}free(d);}

效果如下： 

感觉并没有变化，可能是我修正系数设置的不好。好了，就写这么多。我封装了一个MyDib类，和一些常用的图像处理的算法。如果感兴趣可以一起来完善。

  [简单的bmp图片操作类和常用的图像处理函数](https://github.com/yangkuiking/MyDib)