对全局阈值处理前的改善操作

之前在介绍阈值分割时，介绍了几个影响因素，现在来分析其改善方法。
1.用图像平滑改善全局阈值处理

平滑主要处理噪声的影响。

2.利用边缘改进全局阈值处理
如果直方图的波峰是高窄对称的，且被深的波谷分开，则选取一个“较好”阈值的机会是相当大的。而当背景和前景的尺寸相差较大时，那个一个波峰会很大，而另一个波峰会很小，这样只要有一点噪声，他们之间小的波谷就会被噪声给淹没，这样很大的可能阈值分割会失败，如下图：

改进直方图形状的一种方法是仅考虑那些位于或者靠近物体和背景间的边缘的像素。
如果仅用位于或接近物体和背景间的边缘的像素，则得到的直方图将有几个高度近似相同的波峰。此外，像素位于物体上的概率将近似等于其位于背景中的概率，从而改进了直方图模式的对称性。
刚才讨论的方法假设物体和背景间的边缘时已知的。很明显，该信息在分割期间是不可用的，因为寻找物体和背景间的分割线正好也是分割所要做的工作，然而，一个像素是否位于边缘上的迹象可以通过计算其梯度和拉普拉斯来确定（注意了梯度和拉普拉斯都是比较粗的边缘或者双零交叉，所以都包含了背景和前景的部分像素）。实际上，无论是使用梯度图像还是使用拉普拉斯图像得到的典型结果相比较，后者比较有利，因为它在计算上更有吸引力，同时也是一个各项同性边缘检测器（一阶梯度是有方向的哦）。
前述可以小结为如下算法：
1.计算一副边缘图像（梯度和拉普拉斯都可以）。
2.指定一个阈值T。
3.用步骤2中的阈值对步骤1中产生的图像进行阈值处理，产生一副二值图像$g_T(x,y)$。在从f(x,y)中选取对应于强边缘像素的下一步中，该图像作为一副模板图像
4.仅用f(x,y)中对应于$g_T(x,y)$中像素为1的位置的像素计算直方图。
5.用步骤4中的直方图全局地分割f(x,y)。

效果图如下：