注册登陆后可查看附件和大图，以及购买相关内容
您需要 登录 才可以下载或查看，没有账号？注册会员
x
本帖最后由 石鑫华视觉 于 2014-9-10 16:09 编辑
NI视觉助手之局部阈值Local Thresholding局部阈值，也叫做局部自适应阈值，就像全局灰度阈值，他们都创建一个二值图像以分割一幅灰度图像为粒子区域和背景区域 。与使用单一阈值的全局灰度阈值不同，局部阈值分类像素是基于其邻域像素的强度统计。 当一幅图像的照明表现得不是很均匀时，可以使用局部阈值从背景区域分出离感兴趣的目标。 下面的图像显示了一幅不均匀的图像使用全局阈值和局部阈值时的效果。图55中A为原始的检测图像，是一幅LCD数字。B显示的是全局阈值处理后的图像。注意其中底部和右下角有许多非数字的像素被错误的判断为粒子了。C显示了局部阈值分割图像片段。这时只有那些像素属于液晶数字的才被判断为粒子。
全局阈值与局部阈值比较
图55 全局阈值与局部阈值比较 局部阈值算法计算局部像素强度统计信息—例如范围、方差、表面拟合参数或它们的逻辑组合—对于检测图像中的每个像素。计算结果是考虑中的像素的局部阈值。该算法比较原始像素的强度值与局部阈值从而确定该像素是属于粒子还是属于背景。 一个用户自定义的窗口指定哪些邻域像素被考虑到统计计算中。默认的窗口尺寸是32×32像素。然后，窗口的大小应该约等于用户想从背景分离的最小粒子尺寸。下面的图显示了一个简单简化的局部阈值窗口：
局部阈值窗口
图56 局部阈值窗口
其中①为图像，②为局部阈值窗口，③为考虑中的像素。需要注意的是在窗口中所有像素的强度，包括在考虑中的像素，都是用于计算局部阈值的。 一个典型的局部阈值需要大量的计算时间。同样，一个典型的局部阈值函数完成时间通常是随着窗口大小变化的。这种不确定性应该避免应用于实时系统中。NI视觉局部阈值函数使用一个完全优化、有效的算法从而实现计算速度不依赖于窗口大小。这大大减少了计算成本，使得使用该函数在实时分割系统里成为可能。 下面我们来了解一下NI视觉局部阈值的一些算法。在这些算法中，无论使用什么算法，用户都需要首先指定是在白色背景上查找黑色目标还是在黑色背景上查找白色目标。 Niblack Algorithm尼布拉克算法
NI视觉助手实用教程全本，请前往以下地址订阅：
基于Vision Assistant的图像处理实用教程（含售后）_书籍教程_培训教程_机器视觉商城_论坛_方案_系统_光源_控制器_工业相机_镜头_机器视觉论坛 - 石鑫华机器视觉网
http://visionbbs.com
| 
[复制链接]
发表于 2014-9-10 15:59:31
发表于 2020-3-20 18:11:08
