一种基于全局均值和局部方差的图像二值化方法
摘要：比较了几种常用的动态阈值二值化方法，并在此基础上提出了一种新的基于均值和方差的二值化方法。试验表明，这种方法能够较
好地区分物体和背景，并且相对于原来的逐点进行二值化的方法而言大大提高了处理速度。
关键词：二值化方法；数学期望；方差
二值化是图像处理中的一个重要的问题，广泛应用于图像分割，图像增强，图像识别等领域[1,2,4,5,6]。在图像二值化中，关键问题的是阈值的选取问题，另外还有计算速度的问题[3、5]等，在灰度图像中，由于物体的灰度分布与背景的灰度分布总存在着一定的差别，如果把整个灰度图像用灰度直方图表示，则图中必然存在波峰和波谷。最简单的情况是存在两个峰值的情况[8]，通常选取波谷位置即可得到较佳的阈值。但是，实际图像处理的问题中，图像的灰度直方图往往比两个峰值的情况要复杂得多，物体内部的灰度分布往往不是均匀的，背景也有可能由于噪声的影响而使图像产生多个峰值[5,6]，也有可能由于物体的灰度和背景相差不是特别明显而使灰度直方图出现单峰值的情况。在这些情况下，寻找阈值的问题就会变得很困难，有时候用单一的阈值并不能得到理想的效果。要对图像进行二值化，就必须寻找一种更加有效的计算阈值的方法。目前，二值化的方法很多[1-10]，这些方法大体上可以分为全局阈值法和局部阈值法[4,5,6]。全局阈值法是指对整幅图像选取单一的阈值来进行二值化。这种方法一般计算速度较快[4,6]，在物体和背景的灰度差别较明显时效果比较好。局部阈值指把图像分成若干区域，对每个区域设置一个阈值进行二值化，或者对图像中的每一个像素点，根据其邻域的像素点的灰度变化情况来设定一个阈值，然后逐点对图像进行二值化。这种方法速度一般比全局阈值法要慢，但是在图像比较复杂或者背景存在噪声，用单一的阈值很难区分物体和背景的情况下，这种方法往往要优于全局阈值法。本文在分析几种二值化的基础上，提出了一种新的局部阈值化的方法。试验结果表明，这种方法与以前的几种方法相比，能够在保证二值化速度的前提下，更好地区分物体和背景。......
想了解全文内容，请下载附件查看
