基于opencv的一种局部自适应快速二值化方法（积分法）

最新推荐文章于 2024-06-05 16:28:50 发布

Realizetheworld

最新推荐文章于 2024-06-05 16:28:50 发布

阅读量1.3w

点赞数 3

CC 4.0 BY-SA版权

分类专栏：图像处理

本文链接：https://blog.youkuaiyun.com/Realizetheworld/article/details/46971143

本文介绍了如何使用opencv实现一种基于积分图的局部自适应快速二值化方法，该方法解决了光照不均匀图像二值化的难题。通过计算每个区域的像素值总和并除以像素点个数得到平均阈值，从而确定每个区域的二值化标准，提高处理效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

由于用opencv自带的函数adaptiveThreshold()在光照不均匀的图像中进行二值化时，效果不佳，之后看了Derek Bradley和Gerhard Roth于2007年写的《Adaptive Thresholding Using the Integral Image》，方法简单实现简便且速度较快，本文基于opencv用程序实现了它。其核心思想可以由下面两张图概括，先得到图像中

各处的像素值（图像为单通道），如图1左。之后得到每个点的左上方所有点的像素值之和（包括该点）并可用一个二维数组暂时存储，如图一右所示，例如，第二行第二列中9=4+0+4+1，第二行第三列中12=4+1+2+4+1。一般地，所谓二值化就是给定一个阈值，当图像中某一点的像素值大于阈值时令它的像素为255(0)，像素值小于阈值时为0（255）。而所谓区域二值化，就是把图片划分为若干的区域，每个区域有各自的阈值，再分别判定。

图1

如图2所示，我们要判定区域D时，就可以利用图1右的表，设P（x，y）为点(x,y)的像素值(已转换为图一右的值)，对于区域D有，P(D)=P（x2，y2）-P(x2,y1)-P(x1,y2)+P(x1,y1)，得到区域D的总阈值，再除以区域D的像素点个数得到平均阈值P=P（D）/N,对于区域中心点（i，j）若P（i，j)>P