CN101329733A - 图象二值化方法 - Google Patents
图象二值化方法 Download PDFInfo
- Publication number
- CN101329733A CN101329733A CNA200710042381XA CN200710042381A CN101329733A CN 101329733 A CN101329733 A CN 101329733A CN A200710042381X A CNA200710042381X A CN A200710042381XA CN 200710042381 A CN200710042381 A CN 200710042381A CN 101329733 A CN101329733 A CN 101329733A
- Authority
- CN
- China
- Prior art keywords
- image
- transformation
- value
- gray
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
为了克服现有的图像质量不可避免的被降低了,轻者表现为图像不干净,难于看清细节;重者表现为图像模糊不清,连概貌也看不出来的状况,在对图像进行分析之前,必须要对图像质量进行改善,本发明提供一种图象二值化方法,该发明实现了一种图象二值化方法过程的准确性。
Description
技术领域
本发明专利涉及一种图象二值化方法,尤其是实现了一种图象二值化方法的过程的准确性。
背景技术
目前,公知的在一般情况下,影响系统图像清晰程度的因素很多,例如室外光照度不够均匀就会造成图像灰度过于集中;由CCD(摄像头)获得的图像经过A/D(数/模转换,该功能在图像系统中由数字采集卡来实现)转换、线路传送都会产生噪声污染等等。因此图像质量不可避免的降低了,轻者表现为图像不干净,难于看清细节;重者表现为图像模糊不清,连概貌也看不出来。因此,在对图像进行分析之前,必须要对图像质量进行改善。
发明内容
为了克服现有的图像质量不可避免的被降低了,轻者表现为图像不干净,难于看清细节;重者表现为图像模糊不清,连概貌也看不出来的状况,在对图像进行分析之前,必须要对图像质量进行改善,本发明提供一种图象二值化方法,该发明实现了一种图象二值化方法过程的准确性。
本发明解决其技术问题所采用的技术方案是:利用计算机科学处理实现。
本发明的有益效果是,实现了图象二值化方法过程的准确性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的原理图
具体实施方式
为了克服现有的图像质量不可避免的被降低了,轻者表现为图像不干净,难于看清细节;重者表现为图像模糊不清,连概貌也看不出来的状况,在对图像进行分析之前,必须要对图像质量进行改善,本发明提供一种图象二值化方法,该发明实现了一种图象二值化方法过程的准确性。
第一,根据图像的相关的假设,再结合局部灰度分布的考察,可以得到具有自适应性的自动门限。自适应阈值的选取方法是先找到该点的法向方向,在理想情况下,法向上的平均值即可作为阈值。然而考虑到噪声的影响,故应该去掉最大、最小值后点的平均值再加上一修正值作为阈值。计算公式如下:
TT=R-(T-R)/2
其中:R为法向上去掉最大、最小点后的平均值;T为最大、最小点的平均值;(T-R)/2为修正值;TT为阈值。阈值选定后,即可对该点进行二值化,逐点依次处理即可。
第二,在图像中,考虑同一区域的像元应具有相近的连续变化的灰度,根据“灰度变化平稳”这一假设邻元灰度的变化来进一步确认像元素隶属前景和背景的程度,可以很好地排除不清晰指纹在自动门限附近的分割不一致性。
第三,为解决二值化在分割图像中视野太小的局限,并同时对模糊区域和孤立噪声进行处理,采用广义的拉普拉斯算法对图像进行滤波。
Claims (2)
1.图象二值化方法为了克服现有的图像质量不可避免的被降低了,轻者表现为图像不干净,难于看清细节;重者表现为图像模糊不清,连概貌也看不出来的状况,在对图像进行分析之前,必须要对图像质量进行改善,本发明提供一种图象二值化方法,该发明实现了一种图象二值化方法过程的准确性,其特征是:
第一,根据图像的相关的假设,再结合局部灰度分布的考察,可以得到具有自适应性的自动门限。自适应阈值的选取方法是先找到该点的法向方向,在理想情况下,法向上的平均值即可作为阈值。然而考虑到噪声的影响,故应该去掉最大、最小值后点的平均值再加上一修正值作为阈值。计算公式如下:
TT=R-(T-R)/2
其中:R为法向上去掉最大、最小点后的平均值;T为最大、最小点的平均值;(T-R)/2为修正值;TT为阈值。阈值选定后,即可对该点进行二值化,逐点依次处理即可。
第二,在图像中,考虑同一区域的像元应具有相近的连续变化的灰度,根据“灰度变化平稳”这一假设邻元灰度的变化来进一步确认像元素隶属前景和背景的程度,可以很好地排除不清晰指纹在自动门限附近的分割不一致性。
第三,为解决二值化在分割图像中视野太小的局限,并同时对模糊区域和孤立噪声进行处理,采用广义的拉普拉斯算法对图像进行滤波。
2.如1中所述,灰度变化平稳的特征是:
本方法使用会读变换。灰度变换就是指对图像上各个像素点的灰度值x按某个函数T()变换到y。例如为了提高图像的清晰度,需要将图像的灰度级整个范围或其中某一段(A,B)扩展或压缩到(A,B);需要显示出图像的细节部分等都要求采用灰度变换方法。灰度变换有时又被称为图像的对比度增强或对比度拉伸。假定输入图像中的一个像素的灰度级为Z,经过T(Z)函数变换后输出图像对应的灰度级为Z,其中要求Z和Z都要在图像的灰度范围之内。根据T()形式,可以将灰度变换分为线性变换和非线性变换。具体应用中采用何种T(),需要根据变换的要求而定。
对于图像的灰度变换,我们使用直方图均衡化。直方图均衡化是灰度变换的一个重要应用,广泛应用在图像增强处理中,它是以累计分布函数变换为基础的直方图修正法,可以产生一幅灰度级分布具有均匀概率密度的图像,扩展了像素的取值动态范围。若像素点的原灰度为R,变换后的灰度为S,需要注意的是R、S是归一化后的灰度值,其灰度变换函数为T()。对变换后的S值取最靠近的一个灰度级的值,建立灰度级变换表,将原图像变换为直方图均衡的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200710042381XA CN101329733A (zh) | 2007-06-21 | 2007-06-21 | 图象二值化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200710042381XA CN101329733A (zh) | 2007-06-21 | 2007-06-21 | 图象二值化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101329733A true CN101329733A (zh) | 2008-12-24 |
Family
ID=40205534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200710042381XA Withdrawn CN101329733A (zh) | 2007-06-21 | 2007-06-21 | 图象二值化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101329733A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366170A (zh) * | 2012-04-02 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 图像二值化处理装置及其方法 |
CN106204617A (zh) * | 2016-07-21 | 2016-12-07 | 大连海事大学 | 基于残差图像直方图循环移位的自适应图像二值化方法 |
CN106529543A (zh) * | 2016-11-02 | 2017-03-22 | 徐庆 | 一种动态计算多色级二值化自适应阈值的方法及其系统 |
CN109903294A (zh) * | 2019-01-25 | 2019-06-18 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN110414528A (zh) * | 2019-06-18 | 2019-11-05 | 北京计算机技术及应用研究所 | 一种计算图像感知哈希的方法 |
-
2007
- 2007-06-21 CN CNA200710042381XA patent/CN101329733A/zh not_active Withdrawn
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366170A (zh) * | 2012-04-02 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 图像二值化处理装置及其方法 |
CN103366170B (zh) * | 2012-04-02 | 2018-02-06 | 周口师范学院 | 图像二值化处理装置及其方法 |
CN106204617A (zh) * | 2016-07-21 | 2016-12-07 | 大连海事大学 | 基于残差图像直方图循环移位的自适应图像二值化方法 |
CN106204617B (zh) * | 2016-07-21 | 2018-10-02 | 大连海事大学 | 基于残差图像直方图循环移位的自适应图像二值化方法 |
CN106529543A (zh) * | 2016-11-02 | 2017-03-22 | 徐庆 | 一种动态计算多色级二值化自适应阈值的方法及其系统 |
CN106529543B (zh) * | 2016-11-02 | 2018-09-11 | 徐庆 | 一种动态计算多色级二值化自适应阈值的方法及其系统 |
CN109903294A (zh) * | 2019-01-25 | 2019-06-18 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN109903294B (zh) * | 2019-01-25 | 2020-05-29 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN110414528A (zh) * | 2019-06-18 | 2019-11-05 | 北京计算机技术及应用研究所 | 一种计算图像感知哈希的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107527333B (zh) | 一种基于伽马变换的快速图像增强方法 | |
CN101877123A (zh) | 一种图像增强方法和装置 | |
KR20080021832A (ko) | 이미지의 이진화 | |
CN101094312A (zh) | 一种保持边缘的自适应图像滤波方法 | |
CN101329733A (zh) | 图象二值化方法 | |
CN101431606A (zh) | 一种基于边缘检测的自适应降噪处理方法 | |
KR100887183B1 (ko) | 얼굴인식 전처리장치 및 방법과 이를 이용한얼굴인식시스템 | |
CN109118434A (zh) | 一种图像预处理方法 | |
CN101908205A (zh) | 基于幻方编码的中值滤波方法 | |
CN103514588B (zh) | 图像增强方法和系统 | |
CN112233037B (zh) | 基于图像分割的图像增强系统及方法 | |
Sunilkumar et al. | Removal of high density impulse noise through modified non-linear filter | |
Yinyu et al. | A Study on Image Restoration Algorithm in Random-valued Impulse Noise Environment | |
CN106446904A (zh) | 基于全局二值化的图像识别方法 | |
Al-Taie | A review paper: Digital image filtering processing | |
Rhee | Median Filtering Detection using Latent Growth Modeling | |
Nishida et al. | A multiscale approach to restoring scanned color document images with show-through effects | |
Fu et al. | A new image enhancement algorithm for low illumination environment | |
Bao et al. | Local adaptive shrinkage threshold denoising using curvelet coefficients | |
Zhang et al. | Adaptive switching mean filter for impulse noise removal | |
Shen et al. | A blur image blind identify algorithm based on the edge feature | |
Chen et al. | An impulse noise reduction method by adaptive pixel-correlation | |
Balamurugan et al. | An empirical evaluation of salt and pepper noise removal for document images using median filter | |
Pathak et al. | Comparative analysis of image denoising techniques | |
Zhong-gui et al. | An impulse noise image filter using fuzzy sets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C04 | Withdrawal of patent application after publication (patent law 2001) | ||
WW01 | Invention patent application withdrawn after publication |