数字图像处理【6】图像阈值分割

这一篇学习图像阈值分割，图像分割是一个经典的图像处理问题，是图像理解和识别的前提基础，在模式识别、计算机视觉、医学图像处理等领域中有着广泛的应用。其主要目的是将感兴趣目标从复杂背景区域中提取出来，以便进行目标识别和分析。

阈值分割技术是一种非常重要的图像分割技术，它以其简单、有效、便于理解的特性而得到了广泛的研究与应用。

二值化阈值

当背景和前景的灰度分布差异很明显的时候（如上图1图3），可以用单个阈值处理图像。在多数应用中，通常图像之间存在较大的变化，即使可以用全局阈值方法也需要对每幅图像自动估计出一个合适的阈值。

例如上图3指纹识别，需要把指纹纹理从背景里面給分割提取出来，那么这里介绍一个基本的自动阈值方法：

1. 为全局阈值选择一个任意初始值T0
2. 用阈值T对图像进行分割，将图像分为2组像素，G1由灰度大于T的所有像素组成，G2由所有小于T的像素组成。
3. 对G1和G2分别计算平均灰度m1和m2。
4. 计算并更新阈值：Tn = (m1+m2) / 2
5. 重复步骤2~4，直到相邻2次的阈值T之差（Tn - Tn-1）小于预定的参数 △T 为止

平均阈值法比较适用于：源图像的直方图存在一个相对清晰的波谷，这简单的算法会工作得很好。

接着再介绍另外一个阈值算法，Otsu算法，也叫最大