伯森算法与局部二值化探讨
本文介绍了一种图像处理算法——伯森算法的基本原理，并在此基础上提出了改进的想法，即采用局部二值化方法，通过不同大小的扫描框与二值化区域来提高图像处理的效果。
今天和实验室的师弟讨论问题的时候，他告诉的算法，也是老师在让他做的算法，我觉得挺有意思的，所以在这里简要介绍一下我的想法
bernsen算法的中心思想：
先人为设定两个值S与TT(Bemsen最初设S为15，TT设为128)，计算以图像中任意像素尸为中心的大小为k×k窗口内的所有像素的最大值M与最小值N，两者的均值T，如果朋M-N大于S，则当前P的阈值为T；若小于S，则表示该窗口所在区域灰度级灰度级差别较小，那么窗口在目标区或在背景区，再判断T与TT的关系，若T>TT则当前点灰度值为255，否则当前点灰度值为0。
那好 介绍了他们的想法之后 介绍我的想法
局部二值化，我们在选取阈值的时候一般都是选择扫描框内的所有像素的阈值，而忽略了周边对这个扫描框的影响，那么我们可以把扫描框和想要进行二值化的区域不等大小，比如说 扫描框大小是60*60 那么二值化区域的大小可能是50*50，这样就可以把周边的因素也考虑进来，所以也是二值化的方法
扫一扫
7963
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
