---

前言

阈值分割常用于图像二值化处理。
遇到背景和目标之间分界不清的问题。可以先对图像进行预处理，如LUT、直方图均衡、空域与频域滤波等。使用线灰度工具观察一条跨边缘的线段上的灰度分布，也有助于选择合适的阈值。此外，形态学处理可以对分割后的二值图像进行纠正，以滤除阈值分割过程的错误选择。

一、阈值分割的分类

手动分割、自动全局分割、局部分割。
局部分割对于光照不均匀图像有明显效果。

---

二、自动全局分割种类及特点

1.cluster-聚类法

聚类法是唯一支持自动多阈值分割的算法。LabVIEW使用IMAQ AutoMthreshold和IMAQ MultiThreshold来实现。也可以使用IMAQ AutoBthreshold选择cluster以实现二值化分割。
聚类法适用于具有图像直方图具有明显波谷的图像。

2.entropy-最大熵信息法

最大熵信息法。使用香农的熵信息论。
特点是可以区分目标物体原小与背景的图像。

3.metric-最小均匀性度量法

使用于目标物与背景各自区域内灰度较为均匀的图像。

4.moment-矩保持法

使用图像对比度较低的情况。主要是消除图像的噪声影响

5.inter class variant-最大类间方差法

适用于图像直方图具有明显的双波峰，并且目标与背景面积像差不大。对噪声相对敏感，常与其他方法配合使用。

三、局部阈值分割

使用IMAQ LocalThreshold对图像进行局部阈值分割。
背景纠正法（此算法速度相对较快，效果较差）：
使用 BackgroundCorrecttion会对图像像素与邻域内像素做减法运算，再使用最大类间方差法进行阈值分割。
Niblack二值化算法：

总结

未完待续