一种光照不均匀图像的二值化方法

在图像处理与分析中,二值化方法能把特征或目标从图像中分割出来,以便识别。在实际拍摄的图像中,图像光照不均匀使得图像二值化阈值确定困难。针对一类光照不均匀图像的二值化问题,提出一种单列处理及改进OSTU的二值化方法,通过分析该类图像上不均匀光照的分布特点,首先应用单列二值化处理方案,在省去专门光照均匀化处理步骤的同时,解决统一阈值二值化方法所造成的信息丢失问题。在逐列二值化处理过程中,首先采用传统OSTU方法获取图像各列的初始二值化阈值,然后根据各列的光照强度计算出该列二值化阈值的自适应微调量,实现对初始二值化阈值的优化。一组缺陷钢坯图片处理结果证实了所述方法的有效性。     

一种对图像进行快速二值化处理的方法

对图像进行二值化处理，最重要的工作是选取合适的二值化阈值。使用直方图同高斯滤波相结合的方法来求取二值化阈值，对图像进行二值化处理，速度快、精度高，适合应用于对速度要求较高的工业控制中     

摄像头阅卷系统图像预处理算法研究

本文讨论了摄像头自动阅卷系统中的图像预处理算法，对答题卡图像预处理过程中的图像灰度化、二值化、光学畸变校正和图像偏斜纠正等关键步骤进行了描述。在灰度化过程中采用彩色模型转换的方法获得灰度图，在二值化过程中采用由用户指定阈值的方法，在畸变变换中采用二元多项式法，在偏斜纠正中使用Hough变换检测倾斜角度。     

一种新的自适应二值化方法

提出了一种新的自适应二值化方法。基于解决全局二值化方法分割图像的整体轮廓和细节不能兼顾的问题，首先，提取图像细节部分区域作为子象块，并对每一块小区域进行全局二值化；然后，再对整个图像进行全局二值化。由于这些区域非常小。区域二值化对全局二值化的结果的影响可以忽略不计。另外，提出了利用边缘提取后的图像作为提取区域的依据。实践证明，这种二值化方法能够取得非常好的效果，并且具有相当强的场景适应能力。     

一种改进的指纹图像二值化算法

提出了一种直接基于指纹结构特征的二值化算法，在去除指纹图像中无效块后，利用指纹纹理表现出的规律来提取脊线谷线信息从而去除噪声。实验结果表明基于结构特征的二值化算法可以克服较多的噪声干扰，大大减少了指纹图像中的伪脊线结构，得到精确的二值图像。     

结合Canny算子的图像二值化

对经典的二值化方法Ostu算法和Bernsen算法中存在的缺点进行了分析,提出一种结合Canny算子的图像二值化方法,该方法综合考虑了边缘信息和灰度信息,通过边缘附近种子点在高阈值二值化图像中的填充和低阈值图像对它的修补而得到二值化结果图像,较好地解决了经典二值化方法中存在的抗噪能力差、边缘粗糙、伪影现象等缺点,实验结果证明,该方法能够较好地解决低对比度图像和目标像素灰度不均匀图像的二值化问题。     

基于形态学的图像二值化方法

提出了一种自适应图像二值化方法，它基于数学形态学理论，求取彩色图像边缘特征，并将它与灰度直方图二值化方法相结合，实验表明，这一算法能较好地保留原图像中的特征，二值化后的图像效果不错。     

基于大津法的图像分块二值化算法

本文对灰度图像二值化的方法进行研究,提出了一种新的以大津法为基础的图像分块二值化方法。通过对采集到的火车轮字符进行实验,结果表明了这种新的二值化方法在不均匀光照、图像模糊的情况下能很好地对图像目标(字符)进行分割,该方法的思想可以推广到对一般灰度图像的二值化中去。     

基于边缘算子的车牌图像二值化方法

提出一种基于Canny边缘算子的车牌图像二值化方法。该方法综合考虑了边缘信息和灰度信息，根据与边缘像素点相邻的像素点的灰度值变化特点，得到图像的高、低阈值，综合利用高、低阈值对原灰度图像进行二值化。实验表明，此方法对于车牌图像的二值化处理有令人满意的效果。     

基于信息熵的指纹图像二值化算法①

指纹图像的二值化处理是指纹图像预处理中的关键步骤,直接影响到指纹图像细化的质量和细节特征提取的准确性。在深入分析指纹图像信息熵的基础上,将信息熵引入到指纹图像二值化算法中,通过求取对应指纹图像区域的最大信息熵估计二值化阂值,并依据此阈值实现对指纹图像的二值化处理。实验结果表明,文中算法对噪声具有鲁棒性,能够有效实现对指纹图像的二值化,提高了细节特征提取结果的准确率。     

一种改进的基于Canny算子的图像边缘提取算法

针对Canny边缘检测算子用高斯函数作为滤波器会造成缓变边缘丢失及假边缘现象,提出用GCV阈值的小波滤波方法代替高斯滤波器来平滑图像,以有效地去除图像中的噪声,然后计算梯度算子的幅值和方向,最后用极大值抑制和高低阈值的方法检测及连接图像的边缘。实验结果表明,改进的算法提高了边缘检测准确性,获得比较理想的边缘检测效果。     

纹理滤波器在分割肛管外病症图像中的应用

采用均值滤波和中值滤波的方法对含有高斯噪声和椒盐噪声的肛管外外痔中的血栓性外痔图像进行滤波预处理,同时利用纹理滤波器分割图像将纹理图像、形态学操作、局部标准差滤波和Rangefilt滤波相结合,在保证分割图像整体性的同时,提高了分割图像的有效性,保留了图像的细节。通过血栓性外痔、息肉、混合痔、息肉血栓混合痔四种肛管外病症的分割图像结果的比较,表明纹理滤波器分割图像是一种性能良好的纹理图像分割方法,同时将其应用在肛管外病症图像的分割中,获得了很好的效果。     

基于改进高斯-拉普拉斯算子的噪声图像边缘检测方法

针对现有梯度算子在图像边缘检测中存在的对噪声比较敏感的问题,提出了一种基于改进高斯-拉普拉斯算子的图像边缘检测方法。噪声图像中的边缘检测是一项关键任务,然而目前常用的几种梯度算子,包括已经提出的高斯-拉普拉斯算子都没能取得理想效果。提出的方法对传统的拉普拉斯边缘检测算子做了改进,并与高斯滤波器相结合。首先,应用高斯滤波器来平滑图像,抑制噪声。然后基于拉普拉斯梯度边缘检测器进行边缘检测。最后在标准图像上进行评估,评估结果显示,提出的边缘检测方法所获得的峰值信噪比(PSNR)和均方误差(MSE)均优于其他几种对比方法。     

图像去噪混合滤波方法

传统均值滤波和中值滤波对高斯型噪声和椒盐型噪声有着不同的滤波特性。实际滤波时，由于图像往往会受到两种不同性质噪声的同时干扰，因此，单独采用中值滤波或均值滤波都不会达到最好的去噪效果，为了能同时对两种不同性质的噪声进行滤除，现提出了一种新的混合滤波算法，该算法首先利用局部阈值把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来，然后对受高斯噪声污染的像素采用均值滤波算法，而对受椒盐噪声污染的像素则采用中值滤波算法进行去噪。仿真结果证明，该方法更具有实用性和有效性。     

基于提升方案和浮动阈值的含噪图像边缘检测

分析了传统图像边缘检测算法。在激光探测系统中，微弱的回波图像淹没在强背景噪声中，为更好地检测这类含噪图像的边缘信息，首先应用特征方向非线性中值滤波技术，滤去高斯噪声；其次，选择(3,1)双正交样条小波作为原始小波滤波器，采用提升方案构造最优双正交小波滤波器，应用构造的双正交小波进行多尺度小波边缘检测；同时，通过定义浮动阈值，并应用于图像边缘检测，较准确地定位了边缘位置。仿真结果表明，该算法应用于图像边缘检测，检测速度较快，检测效果较好。     

一种基于排序阈值的开关中值滤波方法

提出了一种基于排序阈值的开关中值滤波方法以克服图像滤波中去噪与细节保护的矛盾。该方法利用滤波窗口内像素点的排序信息，在极值中值滤波方法的基础上，将受脉冲噪声污染图像中的像素点进一步分为噪声点、边缘细节区和平坦区3种类型。通过对多种图像测试的统计结果，获得合适的分类器参数，然后利用类型判决，进行开关中值滤波，即对噪声点和平坦区进行中值滤波以得到良好的噪声滤除效果，而对边缘细节区不做处理以获得良好的细节保护效果。比较了标准中值滤波、极值中值滤波和本方法的结果。实验结果表明，本方法具有更好的效果。     

一种基于高阶统计量的图像混和加权滤波方法

平滑噪声和保持边缘细节是对图像滤波两个方面的要求,如何兼顾和平衡二者是图像滤波要解决的核心问题。根据高斯噪声的特点,该文引入高阶统计量并结合空域滤波的模板法描述图像的纹理信息,提出了一种基于高阶统计量分析的图像混和加权滤波方法。文章利用高阶累积量所描述的图像细节复杂程度对模板进行分类,并分别采用相应的滤波方法,最后通过混和加权而得到其估值,从而既较好地保持了图像边缘细节,又有效地滤除了图像噪声。实验结果表明,相对于几种常见的保细节滤波方法,文章介绍的方法能够得到更好的效果。     

基于小波多尺度分解的Mean Shift图像滤波方法

将小波多尺度分解与传统Mean Shift滤波算法相结合提出的一种有效的图像滤波方法。先将含噪声图像进行Mallat塔式分解,获得不同尺度、不同频带的子图像。将低频近似图像保持不变,对高频细节进行Mean Shift滤波,最后将低频近似图像与高频滤波后的图像进行合成得到去噪后的图像。由于Mean Shift算法是一种迭代方法,要保证较高的数值计算精度则需要较多的迭代次数,耗费较长的计算时间,为克服这一缺点,提出了采用Fourier级数来近似计算高斯函数。实验结果表明该方法在降低噪声的同时能够尽可能的保留图像细节,其去噪效果优于传统的高斯滤波、Wiener滤波方法和单一小波域值法和Mean Shift滤波方法。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

A multi-direction GVF snake for the segmentation of skin cancer images

A multi-direction gradient vector flow (GVF) snake-based scheme is proposed in this paper for the segmentation of skin cancer images. Unlike the traditional anisotropic diffusion (AD) filter, which has many disadvantages such as sensitivity to noise, a new AD filter has been developed to remove the noise. The proposed AD filter uses adaptive threshold selection and a new gradient computation method, which is robust to noise and can effectively remove the hairs. After the noise is removed from the skin cancer image, the image is segmented using a multi-direction GVF snake. The multi-direction GVF snake extends the single direction GVF snake and traces the boundary of the skin cancer even if there are other objects near the skin cancer region. Experiments performed on 11 cancer images show the effectiveness of the proposed algorithm.