文档介绍：图像二值化(I)多值图像:具有对个灰度级的单***像二值图像:只有黑白两个灰度级的图像图像二值化的用途:图像分割,图像压缩等等。图像二值化(II)基本思想:在原图像灰度区间[Lmin,Lmax]中设定一个阈值Lt对图像中逐个像素进行处理,当像素灰度值大于Lt时赋予新灰度值1,否则赋予新灰度值0基于灰度直方图的二值化NoisefreeLownoiseHighnoise问题:如何自动选取灰度阈值?阈值的自动选取递推法最大似然法自适应法p-,T可以是:(i)整个图像灰度值的均值(ii):(i)G1由所有灰度值大于T的像素组成(ii)。最大似然法(I)任何一个选定的阈值将直方图分为两部分,每一部分都有自己的统计特征(期望值,方差)期望值(或称均值):一个离散随即变量的期望值是变量所有取值乘以该值发生概率之和。方差:实际值与期望值之差的平方的期望值,反应了变量的离散程度每个组的方差都反应了本组中像素的同质性。最优的阈值是使得两个组的方差都最小的阈值。*T最大似然法(II)组o(object)由灰度值小于等于T的像素组成组b(background)由灰度值大于T的像素组成一个像素具有灰度值i的概率为s其中h(i)是一个具有N像素图像的灰度直方图组o发生的先验概率为po(T)组b发生的先验概率为pb(T)*最大似然法(III)每个组的期望值和方差的计算公式为:*最大似然法(IV)定义组内方差:使上述表达式最小的T就是最优阈值对于一个8-bit灰度图像,最多只需比较256次*自适应法(I)左下图是一幅电泳图像,图像中暗的区域是我们感兴趣的区域。如果选择阈值T=70,我们得到右下图所示的结果。