OpenCVSharp：使用三种不同的局部二值化算法

概述

局部二值化（Local Binarization）是一种图像处理技术，用于将灰度图像转换为二值图像（黑白图像）。与全局二值化不同，局部二值化不是对整个图像使用单一阈值，而是根据图像中每个像素周围的局部区域特征来动态确定阈值。

局部二值化的基本思想是：对于图像中的每个像素，计算其邻域窗口内的统计特征（如均值、标准差等），然后基于这些局部统计信息计算该像素的阈值。

在OpenCV中已经封装了Niblack算法、Sauvola 算法与Nick 算法，本示例的流程图如下所示：

效果：

Niblack 算法

T(x,y) = m(x,y) + k × σ(x,y)

T(x,y): 像素(x,y)的阈值

m(x,y): 局部窗口内的均值

σ(x,y): 局部窗口内的标准差

k: 经验参数，通常为负值（-0.2 到 -0.1）

Sauvola 算法

T(x,y) = m(x,y) × [1 + k × (σ(x,y)/R - 1)]

R: 动态范围，通常设为128（8位灰度图像的标准差最大值）

k: 经验参数，通常为正值（0.1 到 0.5）

Nick 算法

T(x,y) = m(x,y) + k × σ(x,y)

表面公式与 Niblack 相同，但实现方式和参数范围不同

k: 通常为负值（-0.1 到 -0.2）

在实际应用中，Sauvola 通常是第一个应该尝试的算法。如果发现它在处理特定数据集（尤其是噪声或对比度问题严重）时效果不佳，再考虑切换到 Nick 算法，并投入时间调整其参数，Niblack算法现在主要用于初学者入门学习。

我们现在不是来研究算法的，主要目的是在实际项目中使用的，主要是看如何具体使用这些算法。

实践

在OpenCVSharp中使用这三个算法很方便：

 // Niblack 算法
 sw.Start();
 CvXImgProc.NiblackThreshold(src, niblack, 255, ThresholdTypes.Binary, kernelSize, -0.2, LocalBinarizationMethods.Niblack);
 sw.Stop();
 NiblackTime = $"Niblack算法耗时: {sw.ElapsedMilliseconds} 毫秒";
 NiblackImage = ConvertMatToBitmapImage(niblack);

 // Sauvola 算法
 sw.Restart();
 CvXImgProc.NiblackThreshold(src, sauvola, 255, ThresholdTypes.Binary, kernelSize, 0.1, LocalBinarizationMethods.Sauvola);
 sw.Stop();
 SauvolaTime = $"Sauvola算法耗时: {sw.ElapsedMilliseconds} 毫秒";
 SauvolaImage = ConvertMatToBitmapImage(sauvola);

 // Nick 算法
 sw.Restart();
 CvXImgProc.NiblackThreshold(src, nick, 255, ThresholdTypes.Binary, kernelSize, -0.14, LocalBinarizationMethods.Nick);
 sw.Stop();
 NickTime = $"Nick算法耗时: {sw.ElapsedMilliseconds} 毫秒";
 NickImage = ConvertMatToBitmapImage(nick);

都是使用CvXImgProc.NiblackThreshold()方法，只是参数略有不同而已。

NiblackThreshold 是一种自适应阈值化方法，它根据图像局部区域的统计特性来计算每个像素的阈值。与全局阈值化不同，这种方法能够更好地处理光照不均匀的图像。

 public static void NiblackThreshold(
     InputArray src,
     OutputArray dst,
     double maxValue,
     ThresholdTypes type,
     int blockSize,
     double k,
     LocalBinarizationMethods binarizationMethod = LocalBinarizationMethods.Niblack,
     double r = 128)
 {
     if (src is null)
         throw new ArgumentNullException(nameof(src));
     if (dst is null)
         throw new ArgumentNullException(nameof(dst));
     src.ThrowIfDisposed();
     dst.ThrowIfNotReady();

     NativeMethods.HandleException(
         NativeMethods.ximgproc_niBlackThreshold(src.CvPtr, dst.CvPtr, maxValue, (int)type, blockSize, k, (int)binarizationMethod, r));

     GC.KeepAlive(src);
     GC.KeepAlive(dst);
     dst.Fix();
 }

理解这个方法的参数：

局部二值化主要用在图像预处理阶段。