关于二值化函数cvAdaptiveThreshold和cvThreshold的一些发现

函数cvAdaptiveThreshold的确可以将灰度图像二值化，但是它的主要功能应该是边缘提取，并且参数param1主要是用来控制边缘的类型和粗细的，这些在软件自带的参考手册中均未提及。

cvAdaptiveThreshold(const CvArr* src,CvArr* dst,double max_value,int adaptive_method CV_DEFAULT(CV_ADAPTIVE_THRESH_MEAN_C),int threshold_type CV_DEFAULT(CV_THRESH_BINARY),int block_size CV_DEFAULT(3),double param1 CV_DEFAULT(5));

参数blockSize：

a.此参数要取奇数，如果取偶数运行后就会报错，查看源码，发现要做一个淹模，所以参数必须是奇数。OpenCV也做了一个检测，在函数adaptiveThreshold一开始就有CV_Assert(blockSize%2==1 && blockSize>1).

b.cvAdaptiveThreshold既可以做边缘提取，也可以实现二值化，是由你所选择的领域所确定的，如果你所选择的领域非常小（比如：3X3），那么很显然阈值的“自适应程度”就非常高，这在结果图像中就表现为边缘检测的结果。如果领域选择的比较大（比如31X31)，那么阈值的“自适应程度”就比较低，这在结果图像中就表现为二值化的效果。

c.一般情况下，滤波器宽度应该大于被识别物体的宽度。block_size太小，无法代表背景，太大的话会影响到临近物体。选定合适的block_size后，我们就可以选定一个更大的阈值param1，更好的抑制噪声。

 

1）自适应二值化计算像素的领域的平均灰度，来决定二值化的值。

2) 如果整个区域几乎是一样的灰度，则无法给出合适的结果了。

3）之所以看起来像边缘检测，是因为窗尺寸设置的小，可以改大一点试一试。

cvAdaptiveThreshold（src,dst,255,CV_ADAPTIVE_THRESH_MEAN_C,CV_THRESH_BINATY,21);//窗设置为21；

4）自适应阈值化中的阈值完全是由你所选择的领域所确定的，如果你所选择的领域非常小（3X3)，那么很显然阈值的“自适应程度”就非常高，这在结果图像中表现为边缘检测的效果。如果领域选择的比较大（31X31),那么阈值的“自适应程度”就比较低，这在结果图像中就表现为二值化的效果。

 

原作者应用:细胞图像分割，在HSV色彩系统中对V通道用自适应阈值化，然后再叠加HS通道处理结果，取得了非常好的效果。

没有万能的二值化方法，具体问题具体分析，自适应二值化对于光照不均的文字，条码等，效果很好。窗口大小选择，考虑被检测物体尺寸。

otsu自动阈值分割技术

 

在用于光照不均的文字文档的二值化处理在不考虑速度的情况下还可以使用：Sauvola算法

原文链接：http://www.xuebuyuan.com/1932219.html

二值化相关算法连接：http://blog.csdn.net/cxf7394373/article/details/6335281