二值化方法总结

标签：

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;

二值化方法总结

标签：

原文地址：http://www.cnblogs.com/linyuanzhou/p/5018874.html