zoukankan      html  css  js  c++  java
  • 二值化方法总结

    1.im2bw(Image, threshold_value)

    2.最大类件方差(ostu):

      matlab:im2bw(image, graythresh(image))

    3.bernsen算法

    较原始的Bernsen: 
    这个算法的中心思想是:设当前像素为P,计算以P为中心的大小为(2w+1)*(2w+1)窗口内的所有像素的最大值M与最小值N,两者的均值T, 
    if(M-N)> S 
      则当前点P的阈值为T。 
    else
      当前窗口所在区域的灰度级差别较小,那么窗口在目标区或在背景区,若T>T'则当前点灰度值为255,否则,当前点灰度值为0.

    end
    S作者最初设为15, T'设为(255+0)/2=128。
    这种最原始的算法的效果总体来说还行,但一般所用的Bernsen算法都是经过各种改进的。

    4.adaptthreshold算法

    h = fspecial('average', [width height]);
    im_mean =uint8(filter2(h, gray));   
    bw = gray < im_mean-t;

  • 相关阅读:
    mstsc远程桌面 mstsc /v:ip /admin
    JS模块化编程(五)---按照AMD规范扩展全局对象
    常见问题
    django--用户认证组件
    Django
    Django
    Django
    Django
    Django
    第六模块-图书管理系统--多表
  • 原文地址:https://www.cnblogs.com/linyuanzhou/p/5018874.html
Copyright © 2011-2022 走看看