niblack阈值

Question

我想实现它使用公式niblack阈值算法：

pixel = (pixel > mean + k * standard_deviation) ? object : background 

其中k具有标准值0 可能有人请告诉我如何实现这在MATLAB？我无法弄清楚如何做到这一点

Answer 1

Matlab的的力量是矩阵运算，所以你可以做很多没有一个单一的for-loop。 下面的代码可以满足你的需求。

% define parameters 
imgname = 'rice.png'; % matlab's image 
filt_radius = 25; % filter radius [pixels] 
k_threshold = 0.2; % std threshold parameter 
%% load the image 
X = double(imread(imgname)); 
X = X/max(X(:)); % normalyze to [0, 1] range 
%% build filter 
fgrid = -filt_radius : filt_radius; 
[x, y] = meshgrid(fgrid); 
filt = sqrt(x .^ 2 + y .^ 2) <= filt_radius; 
filt = filt/sum(filt(:)); 
%% calculate mean, and std 
local_mean = imfilter(X, filt, 'symmetric'); 
local_std = sqrt(imfilter(X .^ 2, filt, 'symmetric')); 
%% calculate binary image 
X_bin = X >= (local_mean + k_threshold * local_std); 
%% plot 
figure; ax = zeros(4,1); 
ax(1) = subplot(2,2,1); imshow(X); title('original image'); 
ax(2) = subplot(2,2,2); imshow(X_bin); title('binary image'); 
ax(3) = subplot(2,2,3); imshow(local_mean); title('local mean'); 
ax(4) = subplot(2,2,4); imshow(local_std); title('local std'); 
linkaxes(ax, 'xy'); 

Answer 2

您可以处理整个图像： 假设你有三个矩阵：IMG_IN，对象，背景

flag = img_in > mean + k * standard_deviation; 
img_out = flag .* object + (1 - flag) .* background; 

Answer 3

我想说的前期是不Niblack算法，而是给出了更好的结果的实现。我不知道这个实现会失败，但我尝试对上面的图像进行二值化处理，结果如下所示。

我分割图像成25×25个像素的块，然后使用20 90和全球组均值的全球集合平均，然后应用上的小窗口大津的二进制。

set_mean = 90 
set_sd = 20 
mean_block = np.mean(block) 
sd_block = np.std(block) 
if sd_block > set_sd: 
    ret, block = cv2.threshold(block, 0, 255, cv2.THRESH_OTSU) 
elif sd_block < set_sd: 
    if mean_block > set_mean: 
     block[:] = 255 #white 
    else: 
     block[:] = 0 #black 
return block 

如果小窗口的标准差（SD）高于设定一个更大的，然后大津的阈值时，其他基于均值是否大于或小于组较小的意思是，在该窗口中的像素设置完成黑色或白色。