一种全局和局部相结合的二值化方法研究

为了得到清晰准确的二值化图像,且避免全局阈值化对图像细微信息的二值化不清晰和局部阈值二值化中往往存在伪影现象,提出了一种借助Candy算子检测边缘特征,将改进的二维Otsu最佳全局阈值与局部Bernsen阈值法在边缘信息的基础上相结合的二值化方法。实验表明这种方法能很好地处理带有噪声和低对比度的图像,通过改进的二维Otsu法降低了传统二维Otsu法的时间复杂度,并且可以减少局部阈值法的块效应,避免了大量虚假信息,又能保留图像的细节信息。     

一种有效的文本图像二值化方法

针对一般文本图像二值化方法--全局阈值法和局部阈值法所存在的不足,提出了一种整体与局部相结合的二值化方法,该方法根据文本图像的特点,自适应调整局部二值化的窗口大小,能有效避免断笔,伪影等现象,同时保持较快的处理速度。     

基于小波和Otsu法的二维条码图像二值化

针对光照不均或背景十分复杂的情况下,全局阈值法无法正确对二维条码图像进行二值化而局部阈值法又会出现块效应的问题,提出一种基于小波分解和大津法的条码图像二值化方法。利用小波分解获得物体表面光照的近似分布进而消除光照不均的影响,并用大津法对获得的图像二值化。该方法既可以消除光照不均的影响,又可以通过选择合适的小波函数使得物体表面光照的近似分布尽量平滑,避免了局部阈值法出现的块效应。     

HE染色病理切片最优二值化算法研究

基于阈值的图像区域分割难点在于阈值的选择。目的:为HE染色病理切片区域分割提供通用稳定的算法,对感兴趣区域进行二值化。方法:选择前景色和背景色作为种子点,求取种子点的RGB值欧氏距离作为阈值,对图像二值化分割,与颜色深度的最大类间方差法、颜色深度迭代法等多种自适应获取的阈值二值化图像分割效果进行比较。结果:基于背景色和前景色种子点选择的颜色欧氏距离对图像二值化分割稳定性和准确性最好。结论:在区域划分合理的情况下,以种子点颜色深度的欧氏距离阈值进行二值化,可以提取到感兴趣区域。     

基于最大方差阈值法的火车票图像二值化处理

火车票识别是实现自动检票的关键。采用最大方差阈值法对图像二值化求最佳阈值时,单向逐级遍历灰度级值,耗时较多。提出双向分组并行遍历的方法,从灰度级别值两端同时向中间,双向并行遍历,比较并计算出最合适的阈值。随机选取200幅火车票图像,分别使用指定阈值法、交互式阈值法和双向遍历最大方差法阈值法二值化处理,由BP神经网络识别,双向遍历最大方差阈值法比其他两种方法识别率分别提高了12.5%和5.5%,同时采用双向遍历比单向遍历求最佳阈值时,前者比后者在时间上缩短了一半,实验证明双向遍历最大方差阈值法是有效的。     

基于自适应阈值的网格图像行分割算法

针对网格图像文字自动识别受网格横线影响的问题,提出将网格图像按照网格横线进行行分割的自适应阈值算法。在对网格图像行分割过程中,首先对灰度图像使用类别方差自动门限法(OSTU算法)取得图像二值化的阈值,将此阈值作为全局阈值对图像进行二值化操作。然后针对图像的二值化数据进行了水平投影,利用统计法取得行分隔的阈值,并结合行分隔阈值实现了网格图像行分割的算法。最后将算法在Matlab中进行了验证和分析。     

光纤图像的定位二值化

本文介绍一种用于光纤图像分割的定位二值化方法.本方法根据光纤图像中光纤的位置和大小都固定的特点,首先通过两个方向的倾斜投影确定光纤中心的位置,接着由最小误差法确定是否存在光纤的初判阈值,然后根据光纤的大小选择合适的二值化区域,再在所定区域内进行二值化,从而将图像中所有光纤完整地、正确地分割出来.本方法避免了整体阈值法动态范围小和传统自适应阈值法固定分区所造成的误判.     

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。     

加权模板匹配的二值化阈值不敏感性研究

数字图像二值化处理过程中,阈值的选取非常之关键,为了在实际应用中能够快速准确地匹配出二值化图像中的目标图像,文中采用模板匹配的方法,对标准模板匹配算法和加权模板匹配算法的二值化阈值敏感性进行了研究。根据实验图像在二值化处理过程中所取阈值的波动对图像匹配结果的影响情况,得到加权模板匹配算法与标准模板匹配算法的二值化阈值敏感性差异。实验结论同时表明加权模板匹配算法具有较强的二值化阈值不敏感性和匹配性能好的优点。     

一种基于模糊聚类的快速二值化方法

通过确定阈值实现图像的二值化分割是一种重要且实用的图像分割技术.本文提出了一种基于模糊聚类的二值化方法.这种方法将模糊C-均值算法加以推广(GFCM)后,应用于图像的二值化分割.通过与Otsu阈值法的分割结果比较后表明,该方法的分割效果好,分割耗时少且适用性强.