目录2.局部自适应阈值法AdaptiveThreshold.pptxVIP

目录2.局部自适应阈值法(AdaptiveThresholding)1.全局阈值法(GlobalThresholding)

023.2图像滤波3.3.1基于阈值的分割方法原理图像分割是计算机视觉中的一项基本任务，旨在将数字图像划分为多个有意义的区域或对象，以便于后续的分析和识别。本节主要介绍两种经典的图像分割方法：基于阈值的分割和边缘检测。全局阈值法(GlobalThresholding)概念本质:全局阈值法对图像中的所有像素应用同一个固定的阈值。如果像素值高于（或低于）这个阈值，则被归为前景（例如，白色）；否则被归为背景（例如，黑色）。原理:g(x,y)=255如果f(x,y)Tg(x,y)=0如果f(x,y)=T其中T是选定的全局阈值。

023.2图像滤波阈值的选择:手动设定:根据经验或观察直方图选择一个合适的阈值。Otsus(大津法)自动阈值:原理:Otsu算法（也称最大类间方差法）是一种自动确定最佳全局阈值的方法。它假设图像的灰度直方图具有双峰特征（即图像由前景和背景两类像素组成），并通过遍历所有可能的阈值，找到一个能够最大化前景和背景像素类间方差的阈值。这个阈值能使两类像素的区分度最大。适用场景:直方图呈现明显双峰的图像，即前景和背景的灰度级有明显分离。特点与效果:优点:实现简单，计算速度快。对于前景和背景灰度差异明显且光照均匀的图像，效果很好。缺点:对于光照不均匀的图像，一个全局阈值往往无法兼顾所有区域，可能导致部分前景被当成背景，或部分背景被当成前景。

023.2图像滤波局部自适应阈值法(AdaptiveThresholding)概念本质:自适应阈值法不使用单一的全局阈值，而是根据图像不同区域的局部特性来计算不同的阈值。这意味着图像中不同区域的像素会有不同的二值化阈值。原理:图像被划分为若干个小的区域（或每个像素的邻域）。对于每个小区域，单独计算一个阈值。常用计算方法：cv2.ADAPTIVE_THRESH_MEAN_C:阈值是该区域内像素的平均值减去一个常数C。cv2.ADAPTIVE_THRESH_GAUSSIAN_C:阈值是该区域内像素的加权平均值（高斯加权）减去一个常数C。

023.2图像滤波适用场景:光照不均匀的图像:这是自适应阈值法的最大优势。例如，扫描的文档可能存在阴影，全局阈值无法很好地处理，而自适应阈值可以根据局部亮度调整。图像中存在渐变背景或不同区域对比度差异很大的情况。OpenCV实现:cv2.adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C)。参数:blockSize:用于计算阈值的邻域大小。必须是奇数。C:从均值或加权均值中减去的常量。可以微调阈值，使前景和背景更清晰。小结:阈值分割是图像分割的基础。全局阈值简单但对光照不均敏感；Otsu自动阈值适合双峰直方图。自适应阈值法则通过局部计算阈值，能够有效处理光照不均的复杂图像，在文档二值化、工业缺陷检测等场景中具有重要实用价值，体现了追求更优效果的工匠精神。

THANKS!让网络更安全让世界更美好