matlab 灰度图像二值化【灰度图像二值化算法讨论】 摘要: 在很多图像处理的过程中,常常需要对灰度图像进行二值化。本文对几种常用的图像二值化算法进行了阐述,并通过仿真,进行比较讨论。根据实验结果,阐明了各种算法的优缺点。 Abstract: The binarization of gray-level image is usually used in the process of image dealing. This paper explains several common image binarization algorithms, such as Otsu method, Bersen method etc. Then comparisons among these algorithms are done through experimental simulations. According to the experimental results , the paper demonstrates the advantages and the limitations of each algorithm. 关键词: 二值化;Otsu 算法;Bersen 算法 Key words: binarization;Otsu algorithm;Bersen algorithm 中图分类号:TP391.41 文献标识码:A 文章编号:1006-4311(2024)05-0142-02 1 基本理论 1.1 阈值及二值化 图像二值化是图像处理的基本技术,而选取合适的分割阈值可以说是图像二值化的重要步骤。对于灰度图像,选择合适的一个或几个灰度值 t(0≤t≤255),将目标和背景分开,这个灰度值 t 称为阈值。假如只选择一个阈值,就称为图像的二值化。二值化又称为灰度分划,凡是需要做文字识别或条纹辨认的图像,皆可利用此方式。二值化的基本过程如下:①对原始图像作中低通滤波,进行图像的预处理,降低或去除噪声;② 用算法确定最佳阈值;③凡是像素的灰度值大于这个阈值的设成 255,小于这个阈值的设成 0。这样处理后的图像就只有黑白两色,从而将灰度范围划分成目标和背景两类,实现了图像的二值化。 1.2 阈值选取算法的分类 一般地,针对图像像素的阈值选取方法可分为全局阈值算法和局部阈值算法两类。全局阈值算法是根据整幅图像选取一个固定的阈值将图像二值化。常用的全局阈值算法有大律法(最大类间方差法或 Otsu 法)等。全局阈值算法比较简单,实现比较容易,适用于图像的灰度直方图有明显的双峰,此时可选灰度直方图的谷底对应的灰度值作为最佳阈值。但当图像有噪声或光照不均匀时,图像的灰度直方图往往没有明显的双峰或有多个峰,此时该方法受到极大的限制,可采纳局部阈值算法。局部阈值算法是将图像划分为若干子图像,结合当前考察的像素点和其邻域像素点的灰度值,确定考察点的阈值。常用的局部阈值法有Bernsen ...
