灰度图像--图像分割 阈值处理之局部阈值
学习DIP第57天
转载请标明本文出处：***http://blog.csdn.net/tonyshengtan ***，出于尊重文章作者的劳动，转载请标明出处！文章代码已托管，欢迎共同开发：https://github.com/Tony-Tan/DIPpro
更多图像处理机器学习内容请访问最新网站www.face2ai.com
#开篇废话
废话开始，今天说下区域阈值（局部阈值）,前面介绍的阈值都是全局阈值，也就是阈值根据全局信息产生，而作用对象也是整幅图像的全部像素，而局部阈值的产生是一个中心像素
c
(
x
,
y
)
c(x,y)
c(x,y)的邻域的一些属性来计算出一个或多个阈值以及阈值的判别式。这句话比较难懂，举个例子，假设c的邻域R，根据邻域R计算出阈值
T
1
,
T
2
,
T
3
.
.
.
.
.
T
n
T_1,T_2,T_3.....T_n
T1,T2,T3.....Tn我们可以表示成向量
T
=
(
T
1
,
T
2
,
T
3
.
.
.
.
T
n
)
T=(T_1,T_2,T_3....T_n)
T=(T1,T2,T3....Tn)，设计阈值判别式
Q
(
T
,
p
i
x
V
a
l
u
e
)
Q(T,pixValue)
Q(T,pixValue)其中pix_value的值就是像素
c
(
x
,
y
)
c(x,y)
c(x,y)的灰度值，判别式返回真假，真的话像素设置为亮，否则设置成暗。
#算法内容
内容迁移至：http://www.face2ai.com/DIP-7-7-灰度图像-图像分割-阈值处理之局部阈值/
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
4
0- 0
已为社区贡献5条内容
所有评论(0)