二值化方法(二值化的方法)
1.二值化的方法
一幅圖像包括目標物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標物體，最常用的方法就是設定一個全局的閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。將大于T的像素群的像素值設定為白色（或者黑色），小于T的像素群的像素值設定為黑色（或者白色）。
全局二值化，在表現(xiàn)圖像細節(jié)方面存在很大缺陷。為了彌補這個缺陷，出現(xiàn)了局部二值化方法。
局部二值化的方法就是按照一定的規(guī)則將整幅圖像劃分為N個窗口，對這N個窗口中的每一個窗口再按照一個統(tǒng)一的閾值T將該窗口內(nèi)的像素劃分為兩部分，進行二值化處理。 局部二值化也有一個缺陷。這個缺陷存在于那個統(tǒng)一閾值的選定。這個閾值是沒有經(jīng)過合理的運算得來，一般是取該窗口的平局值。這就導致在每一個窗口內(nèi)仍然出現(xiàn)的是全局二值化的缺陷。為了解決這個問題，就出現(xiàn)了局部自適應二值化方法。
局部自適應二值化，該方法就是在局部二值化的基礎之上，將閾值的設定更加合理化。該方法的閾值是通過對該窗口像素的平均值E，像素之間的差平方P，像素之間的均方根值Q等各種局部特征，設定一個參數(shù)方程進行閾值的計算，例如：T=a*E+b*P+c*Q，其中a,b,c是自由參數(shù)。這樣得出來的二值化圖像就更能表現(xiàn)出二值化圖像中的細節(jié)。
2.二值化的方法
一幅圖像包括目標物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標物體，最常用的方法就是設定一個全局的閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。將大于T的像素群的像素值設定為白色（或者黑色），小于T的像素群的像素值設定為黑色（或者白色）。
全局二值化，在表現(xiàn)圖像細節(jié)方面存在很大缺陷。為了彌補這個缺陷，出現(xiàn)了局部二值化方法。
局部二值化的方法就是按照一定的規(guī)則將整幅圖像劃分為N個窗口，對這N個窗口中的每一個窗口再按照一個統(tǒng)一的閾值T將該窗口內(nèi)的像素劃分為兩部分，進行二值化處理。 局部二值化也有一個缺陷。這個缺陷存在于那個統(tǒng)一閾值的選定。這個閾值是沒有經(jīng)過合理的運算得來，一般是取該窗口的平局值。這就導致在每一個窗口內(nèi)仍然出現(xiàn)的是全局二值化的缺陷。為了解決這個問題，就出現(xiàn)了局部自適應二值化方法。
局部自適應二值化，該方法就是在局部二值化的基礎之上，將閾值的設定更加合理化。該方法的閾值是通過對該窗口像素的平均值E，像素之間的差平方P，像素之間的均方根值Q等各種局部特征，設定一個參數(shù)方程進行閾值的計算，例如：T=a*E+b*P+c*Q，其中a,b,c是自由參數(shù)。這樣得出來的二值化圖像就更能表現(xiàn)出二值化圖像中的細節(jié)。
3.圖像二值化的方法和步驟,能有具體的比如ARCGIS或者ENVI步驟更好
1。把圖像重新symbolize，使用classify分成兩種類型，如：0-126,126-255。（把圖象二值化）， 在圖象上鼠標右擊，選取properties，在選symbolgy標簽，在show中選classified,classes等于2。
2.在arcCatalog中新建shp文件（分幾層建幾個，有點、線、多邊形、多點四種類型），將圖象和SHP文件一起加入到ARCMAP中，對SHP文件進行編輯，此時可以激活arcscan，進行矢量化。
后面我們的數(shù)字化工作是對這個校準后的影像進行操作的。
通過上面的操作我們的數(shù)據(jù)已經(jīng)完成了配準工作，我們將使用這些配準后的影像進行分層矢量化。
4.幾種經(jīng)典的二值化方法及其vb.net實現(xiàn)
圖像二值化的目的是最大限度的將圖象中感興趣的部分保留下來，在很多情況下，也是進行圖像分析、特征提取與模式識別之前的必要的圖像預處理過程。這個看似簡單的問題，在過去的四十年里受到國內(nèi)外學者的廣泛關注，產(chǎn)生了數(shù)以百計的閾值選取方法，但如同其他圖像分割算法一樣，沒有一個現(xiàn)有方法對各種各樣的圖像都能得到令人滿意的結(jié)果。
本文針對幾種經(jīng)典而常用的二值發(fā)放進行了簡單的討論并給出了其vb.net 實現(xiàn)。
1、P-Tile法
Doyle于1962年提出的P-Tile （即P分位數(shù)法）可以說是最古老的一種閾值選取方法。該方法根據(jù)先驗概率來設定閾值，使得二值化后的目標或背景像素比例等于先驗概率，該方法簡單高效，但是對于先驗概率難于估計的圖像卻無能為力。
2、OTSU 算法（大津法）
OSTU算法可以說是自適應計算單閾值（用來轉(zhuǎn)換灰度圖像為二值圖像）的簡單高效方法。1978 OTSU年提出的最大類間方差法以其計算簡單、穩(wěn)定有效，一直廣為使用。
3、迭代法（最佳閥值法）
(1). 求出圖象的最大灰度值和最小灰度值，分別記為Zl和Zk，令初始閾值為：
(2). 根據(jù)閾值TK將圖象分割為前景和背景，分別求出兩者的平均灰度值Z0和ZB:
式中，Z(i,j)是圖像上（i,j）點的象素值，N(i,j)是（i,j）點的權值，一般取1。
(3). 若TK=TK+1，則所得即為閾值，否則轉(zhuǎn)2，迭代計算。
4、一維最大熵閾值法
它的思想是統(tǒng)計圖像中每一個灰度級出現(xiàn)的概率 ，計算該灰度級的熵 ，假設以灰度級T分割圖像，圖像中低于T灰度級的像素點構(gòu)成目標物體（O），高于灰度級T的像素點構(gòu)成背景（B），那么各個灰度級在本區(qū)的分布概率為：
O區(qū)： i=1,2……，t
B區(qū)： i=t+1,t+2……L-1
上式中的 ，這樣對于數(shù)字圖像中的目標和背景區(qū)域的熵分別為：
對圖像中的每一個灰度級分別求取W=H0 +HB，選取使W最大的灰度級作為分割圖像的閾值，這就是一維最大熵閾值圖像分割法。
5.我在做基于二值化理論的醫(yī)學圖像處理,請問圖像二值化的理論和方法
二值化簡介
方法：
1、全局二值化
2、局部自適應二值化
應用
一幅圖像包括目標物體、背景還有噪聲，要想從多值 二值化的數(shù)字圖像中直接提取出目標物體，最常用的方法就是設定一個閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換的最特殊的方法，稱為圖像的二值化（BINARIZATION）。 圖像的二值化，就是將圖像上的像素點的灰度值設置為0或255，也就是將整個圖像呈現(xiàn)出明顯的只有黑和白的視覺效果。
1、局二值化
一幅圖像包括目標物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標物體，最常用的方法就是設定一個全局的閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。將大于T的像素群的像素值設定為白色（或者黑色），小于T的像素群的像素值設定為黑色（或者白色）。 全局二值化，在表現(xiàn)圖像細節(jié)方面存在很大缺陷。為了彌補這個缺陷，出現(xiàn)了局部二值化方法。 局部二值化的方法就是按照一定的規(guī)則將整幅圖像劃分為N個窗口，對這N個窗口中的每一個窗口再按照一個統(tǒng)一的閾值T將該窗口內(nèi)的像素劃分為兩部分，進行二值化處理。
2、部自適應二值化
局部二值化也有一個缺陷。這個缺陷存在于那個統(tǒng)一閾值的選定。這個閾值是沒有經(jīng)過合理的運算得來，一般是取該窗口的平局值。這就導致在每一個窗口內(nèi)仍然出現(xiàn)的是全局二值化的缺陷。為了解決這個問題，就出現(xiàn)了局部自適應二值化方法。 局部自適應二值化，該方法就是在局部二值化的基礎之上，將閾值的設定更加合理化。該方法的閾值是通過對該窗口像素的平均值E，像素之間的差平方P，像素之間的均方根值Q等各種局部特征，設定一個參數(shù)方程進行閾值的計算，例如：T=a*E+b*P+c*Q，其中a,b,c是自由參數(shù)。這樣得出來的二值化圖像就更能表現(xiàn)出二值化圖像中的細節(jié)。
編輯本段應用
二值化是圖像處理的基本操作，任何圖像處理基本離不開二值化的操作。其應用非常廣泛。
（轉(zhuǎn)載自百度百科--》二值化）
6.圖像二值化的原理
圖像的二值化的基本原理
圖像的二值化處理就是將圖像上的點的灰度置為0或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果。即將256個亮度等級的灰度圖像通過適當?shù)拈撝颠x取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實用的圖像處理中，以二值圖像處理實現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于在對圖像做進一步處理時，圖像的集合性質(zhì)只與像素值為0或255的點的位置有關，不再涉及像素的多級值，使處理變得簡單，而且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。如果某特定物體在內(nèi)部有均勻一致的灰度值，并且其處在一個具有其他等級灰度值的均勻背景下，使用閾值法就可以得到比較的分割效果。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個差別特征轉(zhuǎn)換為灰度的差別，然后利用閾值選取技術來分割該圖像。動態(tài)調(diào)節(jié)閾值實現(xiàn)圖像的二值化可動態(tài)觀察其分割圖像的具體結(jié)果。
7.固定閾值二值化測量方法有什么優(yōu)點
固定閾值二值化測量方法有什么優(yōu)點
苯橡膠的混煉多采用兩段混煉，因為兩段之間的冷卻有助于碳黑的分散，丁苯橡膠混煉的關鍵是使碳黑良好分散，為此總的原則是軟化劑應在碳黑投入并 已在生膠中分散后經(jīng)過一定時間再加入，軟化劑提前加入或在碳黑凝膠形成之前加入，易使碳黑—軟化劑結(jié)塊，膠料物理性能下降（15~20%），但是軟化劑在 碳黑完全分散后加入，也會使膠料破碎，延長混煉時間，降低混煉效率，因此一般以在密煉室中尚有1/5碳黑未吸收和分散時投入軟化劑為宜，這樣既容易混合也 不使膠料打滑和破碎，膠料硫化膠拉伸強度可提高2~2.5Mpa，耐磨性提高7%。
