灰度图像--图像分割 阈值处理之平均阈值
学习DIP第52天
转载请标明本文出处：http://blog.csdn.net/tonyshengtan ，出于尊重文章作者的劳动，转载请标明出处！文章代码已托管，欢迎共同开发：https://github.com/Tony-Tan/DIPpro
开篇空话
好久没写博客了，已然不熟练了，过完年全部人都不好了，哈哈，到刚才为止算是把图象分割学习了1下，这两天把学习结果和代码简单总结1下。
前面已介绍了边沿检测，和边沿修复，阈值处理的基本概念也进行了1定介绍。阈值处理速度快，算法简单，所以利用比较广泛，算法的基本问题在于计算出阈值处理的阈值，在接下来的几篇我可，介绍几种肯定阈值的算法，基本数学知识都来自统计学，包括最简单的平均数，p-分位数，方差等数学知识。
下面就从最简单的均值阈值开始介绍。
平均阈值
均值处理属于阈值中最简单的1种，其使用的1副图象所有灰度的均值作为阈值，分割图象。
根据统计学知识，求均值可使用几率方法：
1. 计算图象灰度直方图
2. 归1化直方图，得出直方图每项的几率
3. 直方图的横坐标与几率的成绩然后求和
根据以上均值得到阈值，然后根据阈值处理基本公示处理整幅图象。
代码
/*********************************************************************************/
/*********************************************************************************/
////计算从start到end的直方图的平均值,hist未归1化
double getMeaninHist(int start,int end,int *hist){
int hist_count=0;
double hist_value=0;
for(int i=start;i<end;i++){
hist_count+=hist[i];
hist_value+=(double)hist[i]*i;
}
return hist_value/(double)hist_count;
}
/*********************************************************************************/
/*********************************************************************************/
//均值法求阈值
//阈值等于全图的像素的平均值
void MeanThreshold(double *src,double *dst,int width,int height,int type){
int hist[GRAY_LEVEL];
double threshold_value=0.0;
InitHistogram(hist);
setHistogram(src, hist, width,height);
threshold_value=getMeaninHist(0, GRAY_LEVEL, hist);
Threshold(src,dst, width, height, threshold_value,type);
}
结果
视察1下结果：
原图：
原图直方图：
平均阈值：
阈值处理结果：
原图加入1%的高斯噪声
未处理：
直方图：
平均阈值：
阈值处理结果：
原图加入5%的高斯噪声
未处理：
直方图：
平均阈值：
阈值处理结果：
原图加入7%的高斯噪声
未处理：
直方图：
平均阈值：
阈值处理结果：
lena图均值阈值处理：
原图：
处理后结果：
阈值：
总结
均值阈值可以完成1些较为简单的的处理，但对目标与背景的大小敏感，也就是直方图那两个峰的面积大小有关，如果这两个峰相对大小相差不多，那末均值相对效果较好，如果两个峰相差太多，也就是背景比目标大很多或相反目标比背景大很多时，结果失效。其次也遭到噪声影响，但没有上1因素影响大。