OpenCVSharp之BinarizerSample示例

Niblack：二值化算法，阈值的计算公式：T=M+K*V，M为以该像素点为中心的区域的平均灰度值，K为修正系数，V为该区域的标准差

对输入图像应用Niblack进行阈值设定
public static void NiblackThreshold(
	InputArray src,
	OutputArray dst,
	double maxValue,
	ThresholdTypes type,
	int blockSize,
	double k,
	LocalBinarizationMethods binarizationMethod = LocalBinarizationMethods.Niblack
)

Parameters:

src:输入图像

dst：输出图像

maxValue：当type类型为THRESH_BINARY 或THRESH_BINARY_INV 时，阈值的最大值

type：阈值设定类型（Binary：当前点值大于阈值时，取Maxval(即第四个参数)，否则设置为0）

blockSize：用于计算像素阈值的像素邻域的大小，值为奇数

k：修正系数，取值范围0-1

binarizationMethod ：二值化方法的使用

K值不同时的效果：Niblack为-0.2，Sauvola为0.1

OpenCVSharp之BinarizerSample示例

Bernsen算法思想：这个算法的中心思想是：设当前像素为P，计算以P为中心的大小为(2w+1)*(2w+1)窗口内的所有像素的最大值M与最小值N，两者的均值T,
if(M-N）> S
则当前点P的阈值为T。
else
当前窗口所在区域的灰度级差别较小，那么窗口在目标区或在背景区，若T>T'则当前点灰度值为255，否则，当前点灰度值为0.

使用Bernsen进行二值化
public static void Bernsen(
	Mat src,
	Mat dst,
	int kernelSize,
	byte constrastMin,
	byte bgThreshold
)

Parameters：

src：输入图像

dst：输出图像

kernelSize：窗口大小

constrastMin：系数S

bgThreshold：系数T'

OpenCVSharp之BinarizerSample示例

相关推荐