Bernsen二值化

这个算法的思想是：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.

作者最初把S设为15, T设为\(（255+0)/2=128\)。

Otsu二值化

Otsu（大津法）使用了最大类间方差 (intra-class variance or the variance within the class)，来进行前景和背景的分离。

假设整张图片的均值为M，使用阈值t分割。前景和背景的均值分别为MA，MB。前景和背景的占比分别为PA，PB。有
\[
ICV = PA * (MA-M)^2 + PB * (MB - M )^2
\]
遍历所有的t值，即可求出\(t = {\arg\max}_{t} ICV(t)\)

张引二值化

http://www.cnki.com.cn/Article/CJFDTotal-ZDZC200103008.htm

参考：

  1. 原始的Bernsen算法
  2. bernsen二值化算法
  3. 灰度图像的自动阈值分割（Otsu 法）

快过年啦！最近入手了一块号称被禁止开发大规模杀伤性武器的开发板TX2。到手后开箱，连线，一次点亮。

Read on →