自适应加权阈值技术的二值化方法与流程

1.本发明涉及图像处理技术领域，特别涉及一种自适应加权阈值技术的二值化方法。


背景技术：

2.图像的二值化处理是非常常见的处理，目前也有很多成熟的处理方法。
3.在处理的时候，一般先将彩色的图像转换成灰度图，灰度图又称灰阶图，把白色与黑色之间按对数关系分为若干等级，称为灰度。任何颜色都由红、绿、蓝三原色组成，而灰度图只有一个通道，他有256个灰度等级，255代表全白，0表示全黑，将红绿蓝三个通道的数值设定为相同值就可以看到其对应的灰度效果。假如原来某点的颜色为rgb(r，g，b)，那么，我们可以通过下面公式，将其转换为灰度：gray＝0.2989*r＋0.5870*g＋0.1140*b。灰度图在图像处理中有着非常重要的地位，一些常用的操作都会涉及到灰度图像的转换，边缘检测、二值化等这些操作之前通常都是rgb to gray。
4.得到灰度图以后，就可以方便的对图像进行二值化处理，图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。目前主流的二值化方法分为两种，一种是自定义阈值二值化，另一种是自适应大律法二值化。自定义阈值需要手动设置阈值，在含有噪声以及光照不均的图像上需要预处理滤除噪声以及光照不均的影响；大律法二值化又名最大类间差方法，通过统计整个图像的直方图特性来实现全局阈值的自动选取，是一种计算全局阈值的二值化方法。自定义阈值二值化的缺陷是：手动设置阈值，在自适应方面存在缺陷；需要预处理滤除噪声以及光照不均。自适应大律法二值化的缺陷是：全局阈值计算，所有像素对中心像素二值计算产生影响；对噪声的滤除不够理想；对光照不均的处理较差。


技术实现要素：

5.本发明的目的在于提供一种自适应加权阈值技术的二值化方法，可以解决光照不均、噪声多等场景下图像的二值化问题。
6.为实现以上目的，本发明采用的技术方案为：一种自适应加权阈值技术的二值化方法，包括如下步骤：s100、将图像转换成灰度图；s200、遍历所有像素点，并对每个像素点执行步骤s300和步骤s400后得到二值化的图像；s300、根据该像素点及其周围一定区域内的其他像素点的灰度值确定阈值；s400、将该像素点的灰度值与步骤s300得到的阈值进行比较，若该像素点灰度值小于等于阈值，则将该像素点设置为黑色，否则设置为白色。
7.与现有技术相比，本发明存在以下技术效果：这里不再采用固定的阈值，而是根据该像素点和它周围一定区域内的其他像素点的灰度值来确定一个阈值，然后以该阈值为参考进行二值化操作，该阈值对于每个像素点来说都是变化的，该阈值也是跟一定区域内的所有像素点的灰度值相关联，从而可以有效的解决光照不均、噪声等问题，二值化处理后的
图像效果非常好，能够很好的凸显出目标轮廓。
附图说明
8.图1是待处理图片以及三种二值化方法处理后图片的对比图；图2是对另一张图片处理后的对比图；图3是三种加权方式曲线简图。
具体实施方式
9.下面结合图1至图3，对本发明做进一步详细叙述。
10.一种自适应加权阈值技术的二值化方法，包括如下步骤：s100、将图像转换成灰度图；s200、遍历所有像素点，并对每个像素点执行步骤s300和步骤s400后得到二值化的图像；s300、根据该像素点及其周围一定区域内的其他像素点的灰度值确定阈值；s400、将该像素点的灰度值与步骤s300得到的阈值进行比较，若该像素点灰度值小于等于阈值，则将该像素点设置为黑色，否则设置为白色。这里不再采用固定的阈值，而是根据该像素点和它周围一定区域内的其他像素点的灰度值来确定一个阈值，然后以该阈值为参考进行二值化操作，该阈值对于每个像素点来说都是变化的，该阈值也是跟一定区域内的所有像素点的灰度值相关联，从而可以有效的避免光照不均、噪声等问题，二值化处理后的图像效果非常好，能够很好的凸显出目标轮廓。采用本发明进行二值化操作有诸多好处：其一，不用预先设定阈值，阈值是动态求解得出的，因此也避免了开始设定参数的不同对二值化的结果有不同的影响，本方法使用起来更可靠稳定、更方便；其二，求解阈值时，是根据该像素点及其周围一定区域内的其他像素点的灰度值来确定的，此时，即使光照不均匀，对于该区域来说，光照对区域内的所有像素点的灰度值影响基本是相同，因此基于该区域内像素点的灰度值计算得到的阈值作为参考更佳合理。
11.步骤s300中的阈值有很多种求解方法，本发明中优选地，所述的步骤s300中，阈值可以按如下任一方法求解得出：方法一、对该像素点及其周围一定区域内的其他像素点的灰度值求取平均值后再乘以t%；方法二、对该像素点及其周围一定区域内的其他像素点的灰度值求取加权平均值后再乘以t%；t%为预先设定好的均值比重。这里的方法一，等同于方法二中，一定区域内的所有像素点权重都取1时的情形。而为一定区域内的所有像素点设定权重就是本发明的核心，权重代表了其他像素点对该像素点的影响，加权平均，就是考虑一定区域内所有像素点的影响，这样得到的阈值会更佳准确。
12.对图片进行处理时，因为白色对应的灰度值是255，如果图片是照片，其一定区域内的像素灰度值变化比较均匀，如果图片是如图1所示，由打印的纸质文档拍摄得到，其文本中就会存在很多的白色区域，白色区域过多会导致加权平均后的值偏大，因此本案中还提供了一个参数：均值比重t%。有了均值比重以后，我们可以通过t%对加权平均后的值进行修正，使计算得到的阈值更佳合理。均值比重t%可以一开始就设定好了，针对不同类型的图片取不同的值，也可以在处理前由用户手动设定。
13.进一步地，所述的步骤s300中，该像素点的周围一定区域，是以该像素点为中心的指定大小的圆形或正多边形区域。圆形区域反应在像素点上，是有锯齿的；正多边形可以是等边三角形、正方形、正五边形、正六边形等等，除正方形外，其他的正多边形反应在像素点
上，也是有锯齿的。这里采用圆形或正多边，是表示在一定距离范围内的所有像素点可以归结为一定区域内，当然，不表示椭圆形、长方形不行，只是他们的效果普遍会差一点。
14.针对上述多种形状的区域，本案中优选采用正方形的区域，这样可以更方便的进行处理，正方形区域的大小也有很多选择方式，可以是固定大小，也可以根据图片的大小来选择，本发明优选地，所述的步骤s300中，按如下步骤确定像素点周围一定区域：s311、获取待检测图像的宽度ncols和高度nrows；s312、根据如下公式确定滑动窗口边长s：，其中，max()是取最大值，a是预先设定的常整数且8≤a≤128，[]是取整操作；s313、根据如下公式确定窗口层数：s314、以该像素点为第1层、该像素点周围的8个像素点为第2层、以第2层像素点外侧的像素点为第3层，以此类推，选择层作为该像素点周围一定区域。这里引入了层数的概念，让后续的阈值求解变得更佳容易。
[0015]
当像素点周围的一定区域理解为层以后，就可以很方便的对所有像素点的灰度值进行求解，本发明中，优选地加权平均的方式，即所述的步骤s300中，按如下步骤求解阈值：s321、该像素点周围一定区域内位于相同层内的像素点权重相等，记第n 1层的权重为，其中；s322、令第1层权重，第层权重，percent为预先设定好的权重衰减最大百分比；s323、根据第1层权重、第层权重以及衰减系数计算其他层权重、、
…
、；s324、根据所有层像素点的灰度值、权重计算加权平均值；s325、将加权平均值乘以t%得到的值即为待求解的阈值。本案中，令同一层的像素点权重相等，是因为它们与中心像素点的距离差不多。第1层即待处理的像素点本身，其权重可以设定为100%，随着层数的增加，权重逐渐降低，直到最外层，权重的衰减最大百分比是percent，表示越向外的像素点，对中心像素点的阈值影响越小。采用加权平均的方式计算出来的阈值，进行二值化操作时更佳的准确。
[0016]
在实际使用中，也可以将一定区域设定为圆形，并且圆形也可以按照如上步骤进行分层设定不同的阈值，这样需要用到像素圆绘制方法，以确定哪些像素点属于哪一层圆。对于长宽不等的一定区域，在进行像素点权重计算时，不能按照层数进行，因为此时没有层的概念，此时可以采用其他方式确定权重，只要保证离中心像素点越近的像素点的权重越大、离中心像素点越远的像素点的权重越小即可。
[0017]
在实际使用中，还会遇到针对边缘区域的像素点处理，此时，该像素点周围一定区域内不全是有效区域，我们只需要针对有效区域内的像素点进行计算即可。
[0018]
参与图3，进一步地，权重的计算有很多种方式，为了更方便只管的了解权重的计算，本发明中优选地，所述的步骤s323中，以层数为横坐标、以权重为纵坐标构建二维坐标
系，在该二维坐标系中，我们可以以层数和层数对应的权重构建多个坐标点，其中，，对坐标点进行拟合可以得到一条曲线，这条曲线反映了权重的变化规律，该曲线可以为凸曲线或斜直线或凹曲线。针对不同的待处理图片，我们可以选用不同的曲线，比如：在反差大的情况下，我们可以选用斜直线；在噪点少的情况下，选用凸曲线效果更佳；在光照不均匀的情况下，选用凹曲线效果更佳。选用不同的曲线，即代表选用不同的权重变化规律，影响的是权重的计算。
[0019]
下面针对不同的曲线来详细介绍如何计算权重。在计算权重时，不论何种方式，第1层像素点的权重和第层权重始终是相同的，因此下面仅计算第2层至第层的权重。
[0020]
实施例一、所述的曲线为凸曲线，步骤s323中，其他层权重按如下公式计算得到：，式中。
[0021]
实施例二、所述的曲线为斜直线，步骤s323中，其他层权重按如下公式计算得到：，式中。
[0022]
实施例三、所述的曲线为凹曲线，步骤s323中，其他层权重按如下公式计算得到：，式中。
[0023]
根据上述公式，我们可以方便的计算出各层的权重，在各层权重确定的情况下，我们也就可以方便的计算出加权平均值，其具体计算公式如下：；式中，即加权平均值，是将所有像素点的灰度值乘以权重后求和，i是所有像素点的个数之和。求得加权平均值以后，直接将即得到我们待求解的阈值。得到该阈值以后，直接将当前像素点的灰度值与阈值进行比较，如果当前像素点的灰度值小于等于阈值，则将其设置为黑色，否则设置为白色。
[0024]
衰减系数的取不同值时，使得各层计算得到的权重有所差异，一般来说，所述的衰减系数取值范围为：2≤≤4，处理效果更佳。
[0025]
图1和图2中分别展示了原图和分别利用自定义阈值二值化、自适应大律法二值化、本发明进行二值化处理后的图像，其中，左上为原图，右上为自定义阈值为150时的二值图，左下是自适应大律法二值化处理得到的二值化图像，右下是本发明中自适应加权阈值技术处理得到的二值化图像。可以明显的看出本方法的优势，特别是在光照不均的情况下，有非常好的处理效果，对文本的识别也更佳准确。对于图2中二值化后的图像进行字符识别时，自定义阈值二值化、自适应大律法二值化、本发明中自适应加权阈值二值化对应的字符识别正确率分别是84.1%、83.41%和96.77%，本发明的效果非常不错。
[0026]
限于篇幅，本发明中未对一定区域为圆形、其他的权重计算方法、针对不同类型图片t%的取值等做更详细的阐述，只针对本算法的基本原理进行了详细的说明，即：根据当前
像素点及其周围一定区域内的所有像素点灰度值来为每一个像素点确定一个合理的阈值，从而可以更佳准确的对图像进行二值化操作。