对图象进行二值化处理的意义?

XGundam05 · 发表于 2021-7-15 07:26

为什么说对图象二值化是后续图象处理技术的基础？我们对一幅图象进行二值化的目的是什么？

acecase · 发表于 2021-7-15 07:27

其实图像二值化的方法有不下二十种。一般分为Global和Local两类，区别就是寻找那个阈值的时候使用到了哪里的信息。

具体方法参考下面两个链接：
Auto Threshold
Auto Local Threshold

图像的二值化是最简单的图像处理技术，它一般都跟具体算法联系在一起，很多算法的输入需要是二值数据。比如你把图像文字转换为PDF文字，PDF上只能是黑白两种颜色。比如你给二维码解码，你需要知道哪块黑哪块白。

去掉图像两个字，二值化在视觉里面应用场景多一些。比如早期的人脸检测很多手势识别的方法，第一步要找到皮肤块，所以需要把图像分为皮肤区域和非皮肤区域，这也算是一种二值化，但通常在方法上用的可能不是基于直方图的了（可能是ID3，随机森林，SVM，甚至神经网络）。比如Haar特征，以及后来的BRIEF和FAST等，还有LBP实际上都是用到二值的思想。

图像二值化可以看作是聚类，可以看作是分类……这些其实不重要，重要的是它快。它最明显的意义就是简化后期的处理，提高处理的速度。

但是单一的图像二值化方法（指基于直方图的二值化）往往比不过其他的方法，因为，毕竟你信息丢了太多。但是二值化快啊……你可以进行一百次不同的二值化，然后再得到一个更好的结果……

ainatipen · 发表于 2021-7-15 07:34

一般是为了将感兴趣目标和背景分离。

unityloverz · 发表于 2021-7-15 07:37

为什么说对图象二值化是后续图象处理技术的基础？
这应该是对早期的图像处理而言，现在很多的图像处理算法都是直接在灰度图像上做。

我们对一幅图象进行二值化的目的是什么？
图像的二值化，就是将图像上的像素点的灰度值设置为0或255。从【0,255】256个灰度级强制减少到只有{0， 255}2个灰度级，所以二值化的过程是个图片信息丢失非常严重的过程，这其实并不是我们想要的。但是在早期，受限于硬件性能的约束，直接在灰度图像上处理，时间还难以接受，而在二值化图像上做图像处理速度可以大大降低，所以说图象二值化是后续图象处理技术的基础。

HuldaGnodim · 发表于 2021-7-15 07:37

占个坑，
很多处理方法都是为了后续处理和识别进行的。图像的二值化处理就是一个重要的前期图像处理。举个我做的工作，我在做二维码识别算法的探究时，首先对采集的图像进行平滑处理，就是降低噪点。然后对图像进行二值化处理，由于识别精度有要求，我是用了区域阀值，二值化需要一个阀值，区域阀值就是参考该像素点给定窗口大小内像素的均值，可以用卷积的方法去实现。使用二值化处理的原因是，因为我要识别二维码，而二维码是由“0”和“1”两种信息构成的，而我们采集的图像一般是256灰度分辨率的（灰度图像），为了方便识别，把图像中介于0到255之间的值划分为0或255是为了方便后续的识别。在很多识别领域，二值处理比较重要。

LiteralliJeff · 发表于 2021-7-15 07:41

今天刚遇到文本扫描的问题，了解了一下：
楼上各位提到了各种细节：

常见用途：文档 OCR ；识别体的特征化：路径识别，脸部识别，指纹识别；
研究方向：光照紊乱？复杂背景？混合图文？各式排版？按需轮廓分离形式：比如简化一副复杂的画成为可以看得清主要内容的黑白画（或蒙版）? ，嗯还有码图识别。

网上有很多研究公布，可参考

有助思想：如何确定局部区域

redhat9i · 发表于 2021-7-15 07:50

区分前景背景，或者得到感兴趣部分。降维。

		自动登录	找回密码
密码			立即注册