niblack阈值

Question

我正在尝试使用以下公式实现niblack阈值算法：

pixel = ( pixel >  mean + k * standard_deviation ) ? object : background

其中k的标准值为0。 有人可以告诉我如何在matlab中实现这个吗？我无法弄清楚如何做到这一点

Answer 1

Matlab的强大之处在于矩阵运算，因此您可以在没有单个for循环的情况下做很多事情。 下面的代码可以满足您的需求。

% define parameters
imgname = 'rice.png'; % matlab's image
filt_radius = 25; % filter radius [pixels]
k_threshold = 0.2; % std threshold parameter
%% load the image
X = double(imread(imgname)); 
X = X / max(X(:)); % normalyze to [0, 1] range
%% build filter
fgrid = -filt_radius : filt_radius;
[x, y] = meshgrid(fgrid);
filt = sqrt(x .^ 2 + y .^ 2) <= filt_radius;
filt = filt / sum(filt(:));
%% calculate mean, and std
local_mean = imfilter(X, filt, 'symmetric');
local_std = sqrt(imfilter(X .^ 2, filt, 'symmetric'));
%% calculate binary image
X_bin = X >= (local_mean + k_threshold * local_std);
%% plot
figure; ax = zeros(4,1);
ax(1) = subplot(2,2,1); imshow(X); title('original image');
ax(2) = subplot(2,2,2); imshow(X_bin); title('binary image');
ax(3) = subplot(2,2,3); imshow(local_mean); title('local mean');
ax(4) = subplot(2,2,4); imshow(local_std); title('local std');
linkaxes(ax, 'xy');

Answer 2

我想说的是，它不是Niblack算法，而是一种可以提供更好结果的实现。我不知道这个实现会在哪里失败，但我试图将上面的图像二值化，结果如下。

我将图像分成25 * 25像素的块，然后使用全局集合平均值90和全局集平均值20.然后在小窗口上应用Otsu的二值化。

set_mean = 90
set_sd = 20
mean_block = np.mean(block)
sd_block = np.std(block)
if sd_block > set_sd:
    ret, block = cv2.threshold(block, 0, 255, cv2.THRESH_OTSU)
elif sd_block < set_sd:
    if mean_block > set_mean:
        block[:] = 255 #white
    else:
        block[:] = 0 #black
return block

如果小窗口的标准偏差（SD）大于设定值，则使用otsu的阈值，否则根据均值是大于还是小于设定平均值，窗口中的像素设置为完全黑色或白色。

Answer 3

您可以处理整个图片： 假设你有三个矩阵：img_in，object，background

flag = img_in >  mean + k * standard_deviation;
img_out = flag .* object + (1 - flag) .* background;