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/
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
4
0- 0
已为社区贡献3条内容
所有评论(0)