关于阈值技术/图像二值化的建议

Question

我需要在某些图像中应用二值化过程。到目前为止，我只测试了OpenCV中的三种阈值技术（Otsu，自适应和固定），自适应是得到了更好的结果，但仍然没有预期的好。我想知道一个从事图像处理的人，有些建议我可以做一些测试。我做了一个搜索，找到了很多方法，甚至很多，很多，我不知道从哪里开始。所以，在这里，我要求那些理解这个主题的人提出建议。

图像示例：

Answer 1

以下步骤给了我最好的结果：

1. 提取图像的绿/蓝通道。\

   vector< Mat > channels(3);
split(frame, channels);

2. 应用高斯模糊。

   GaussianBlur(channels[0], channels[0], Size(7, 7), 0, 0);

3. 使用THRESH_OTSU标志应用阈值。

   threshold(channels[0], channels[0], -1, 255, THRESH_BINARY+THRESH_OTSU);

另请参阅关于阈值处理的这些帖子：Adaptive threshold of blurry image和Threshold of blurry image - part 2

Answer 2

我通常从一些简单的阈值开始：

1）平均强度

2）中位数强度

3）强度的平均值+ k *标准偏差（以k = 1开始）

4）中位数+ k * median absolute deviation

只有当简单的阈值不起作用时，我才会考虑更复杂的阈值，例如自适应阈值。

Answer 3

你可以尝试

1. 边缘检测然后侵蚀以消除小边缘
2. 边缘像素周围的小邻域并找到它们的阈值
3. 基于这些值对原始图像进行阈值

更简单的选择是使用最亮区域作为起始区段来执行均值过滤。

Answer 4

数字的位置似乎是固定的，以及它们的形状和边界矩形的比例。您可以将图像分割为多个区域并单独处理，等待黑色背景上的白色数字或红色背景上的灰色数字，或类似的特定内容。

Answer 5

我会在这些基本步骤中执行此操作：

• 将彩色像素转换为黑色。这将（希望）在黑色背景上留下白色字母。
• 将生成的图像转换为灰度。
• 为灰度图像创建像素强度值的直方图;
• 近似有序直方图数据的一阶导数，以找出给定像素强度值找到的像素数量的较大变化（希望对应于字母值）。
• 使用该值作为阈值。

这些步骤只是我将从哪里开始的简要说明。反思将是一个难以解决的问题我想（我正在研究的东西现在有部分阴影，这是一个类似的问题）。

如果这看起来非常复杂，那么就无法取代一本好的图像处理书和大量的编程实践。

希望这有帮助！