12、阈值分割基础理论
一、阈值分割
阈值分割法是一种基于区域的图像分割技术，原理是把图像象素点分为若干类。
图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。
二、常见的 5 种阈值分割法
2.1、 二进制阈值化
分割原理：先要选定一个特定的阈值，比如：127；新的阈值产生规则为：
大于或者等于 127 的像素点的灰度值设定为最大值（如 8位灰度值最大为255）；
灰度值小于 127 的像素点的灰度值设定为 0。
公式：dst(x,y)={maxVALsrc(x,y)≥thread 0othersize d s t(x, y)=\left\{\begin{array}{cc}\max V A L & \operatorname{src}(x, y) \geq \text { thread } \\ 0 & \text { othersize }\end{array}\right.dst(x,y)={maxVAL0src(x,y)≥ thread othersize
原理图：
示例：
159 ——> 255
105 ——> 0
205 ——> 255
98 ——>0
2.2、反二进制阈值化
分割原理：先要选定一个特定的阈值，比如：127；新的阈值产生规则为：
大于或者等于 127 的像素点的灰度值设定为 0；
灰度值小于 127 的像素点的灰度值设定为最大值（如 8位灰度值最大为255）；
公式：dst(x,y)={0src(x,y)≥thread maxVALothersize d s t(x, y)=\left\{\begin{array}{cc}0 & \operatorname{src}(x, y) \geq \text { thread } \\ \max V A L & \text { othersize }\end{array}\right.dst(x,y)={0maxVALsrc(x,y)≥ thread othersize
原理图：
2.3、截断阈值化
分割原理：首先需要选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。例如：阈值选定为 127：
小于127的像素点保持不变；
大于等于127的像素点设定为127
公式：dst(x,y)={threhold src(x,y)≥thread src(x,y)othersize d s t(x, y)=\left\{\begin{array}{lc}\text { threhold } & \operatorname{src}(x, y) \geq \text { thread } \\ \operatorname{src}(x, y) & \text { othersize }\end{array}\right.dst(x,y)={ threhold src(x,y)src(x,y)≥ thread othersize
原理图：
2.4、反阈值化为0
分割原理：先选定一个阈值，然后对图像做如下操作：
大于等于阈值的像素点变为 0；
小于该阈值的像素点值保持不变。
公式：dst(x,y)={0src(x,y)≥thread src(x,y)othersize \operatorname{dst}(x, y)=\left\{\begin{array}{cc}0 & \operatorname{src}(x, y) \geq \text { thread } \\ \operatorname{src}(x, y) & \text { othersize }\end{array}\right.dst(x,y)={0src(x,y)src(x,y)≥ thread othersize
原理图：
2.5、阈值化为0
分割原理：先选定一个阈值，然后对图像做如下操作：
大于等于阈值的像素点值保持不变；
小于该阈值的像素点值设为 0。
公式：dst(x,y)={src(x,y)src(x,y)≥thread 0othersize d s t(x, y)=\left\{\begin{array}{cc}\operatorname{src}(x, y) & \operatorname{src}(x, y) \geq \text { thread } \\ 0 & \text { othersize }\end{array}\right.dst(x,y)={src(x,y)0src(x,y)≥ thread othersize
原理图：
12、阈值分割基础理论相关推荐
- opencv阈值分割类型
threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type); src:输入图,只能输入单通道图 ...
- c++ opencv编程实现暗通道图像去雾算法_OpenCV图像处理专栏十五 |一种基于亮度均衡的图像阈值分割技术...
前言 对于光照不均匀的图像,用通常的图像分割方法不能取得满意的效果.为了解决这个问题,论文<一种基于亮度均衡的图像阈值分割技术>提出了一种实用而简便的图像分割方法.该方法针对图像中不同亮度 ...
- opencv 图像分割 阈值分割 图像二值化 灰度图
# -*- coding: utf-8 -*- """ @File : 191213_测试_阈值分割.py @Time : 2019/12/13 15:14 @Autho ...
- Halcon阈值分割方法简析
1. 基于直方图的自动阈值分割 1.1 关键算子 auto_threshold(Image : Regions : Sigma : ):使用多阈值分割单通道图像. 首先,计算图像的灰度直方图. 然后, ...
- Halcon算子学习：图像阈值分割-threshold、binary_threshold、dyn_threshold算子
Halcon算子学习:图像阈值分割算子 前言 1.threshold-全局固定阈值分割 2.Binary Threshold-自动全局阈值分割 3.dyn_threshold-局部动态阈值分割 小结: ...
- Python对DICOM图像进行阈值分割
Python对Dicom图像进行处理,离不开pydicom,opencv-python,matplotlib,numpy四个代码库,安装完成这四个代码库后, 可以读取Dicom图像,并对图像进行处理, ...
- HALCON 20.11：深度学习笔记(12)---语义分割
HALCON 20.11:深度学习笔记(12)--- 语义分割 HALCON 20.11.0.0中,实现了深度学习方法. 本章解释了如何使用基于深度学习的语义分割,包括训练和推理阶段. 通过语义分割, ...
- Halcon阈值分割
Halcon阈值分割 1. threshold(Image : Region : MinGray, MaxGray : ) 全局阈值分割,适用于环境稳定,目标与背景存在明显的灰度差的场合. 应用1:利 ...
- 【图像算法】七种常见阈值分割代码(Otsu、最大熵、迭代法、自适应阀值、手动、迭代法、基本全局阈值法)...
图像算法:图像阈值分割 SkySeraph Dec 21st 2010 HQU Email:zgzhaobo@gmail.com QQ:452728574 Latest Modified Da ...
- halcon学习之阈值分割(threshold、binary_threshold、dyn_threshold、var_threshold、auto_threshold、fast_threshold、)
1. threshold(Image : Region : MinGray, MaxGray : ) 全局阈值分割,适用于环境稳定,目标与背景存在明显的灰度差的场合. 应用1:利用灰度直方图确定阈值进 ...
最新文章
- Python_包和模块的简单应用
- vue饼图组件_vue写一个图表组件(1)----饼图
- angular五大服务顺序_IATF16949五大工具介绍
- 看MASTER围棋有感
- 如何搭建视频点播服务
- CentOS7中Docker安装mysql主从复制、日常排错
- 程序、算法和数据结构的关系
- 远程控制计算机无法粘贴,Windwos服务器远程桌面不能复制粘贴的解决方法
- kafka-eagle 使用配置及远程jmx端口设置遇到的问题
- Python爬虫：爬取喜马拉雅音频数据详解
- 【笔记】c++ - 正则表达式: GNU Regex Library、PCRE, PCRE++、Boost.Regex
- h3c测试ap信号的软件,H3C AC/AP 调试命令
- 使用xcode上传ipa到app store
- 蚂蚁金服启动分布式中间件开源计划，用于快速构建金融级云原生架构
- Scratch 相关等级考试
- iframe（标签的使用）
- REST API 详解
- 一、Hbase介绍、数据模型、体系结构
- python中的pymysql模块
- Java_JUC_CountDownLatch/CyclicBarrier循环屏障/Semaphore信号灯/枚举