图像二值化

您正在查看最新版本（V2.2.0）的文档。如果您想查阅其他版本的文档，可以点击页面右上角“切换版本”按钮进行切换。

■ 如果您不确定当前使用的产品是哪个版本，请随时联系梅卡曼德技术支持。

功能描述

该步骤可按设定方法对高于或低于阈值的像素分别进行二值化处理。

当图像中的像素灰度值只有最大值和最小值两种取值时，即“非黑即白”，这种图像称为二值图像。

将非二值图像经过计算变成二值图像的过程称为图像的二值化。

使用场景

该步骤为通用的图像处理步骤，一般用于在 2D 图像上根据阈值分割像素。

输入与输出

输入

输入端口 数据类型 说明

图像

Image

此端口输入的图像会被进行二值化处理。

输出

输出端口 数据类型 说明

处理后的图像

Image

二值化处理后的图像。

参数说明

参数 解释

二值化方法

参数解释：该参数用于选择图像二值化的方法。

值列表：

默认值：全局自适应阈值分割

二值图反转

参数解释：勾选后，将对整张图像的二值化结果进行反转。例如，原本被设置为 255 的像素将被设置为 0，原本被设置为 0 的像素将被设置为 255。

默认值：不勾选

全局自适应阈值分割

选择全局自适应阈值分割方法后，相关参数说明如下。

参数 解释

图像通道类型

参数解释：阈值分割时，步骤将基于不同的图像通道进行计算。

值列表：灰度图、色相通道、饱和度通道、明度通道

阈值计算方法

参数解释：该参数用于选择为图像中每个像素计算阈值的方法。

值列表：均值、加权平均

  • 均值：阈值为像素邻域的均值减去常数。

  • 加权平均：阈值为像素邻域的加权均值减去常数。

阈值分割类型

参数解释：该参数用于确定实现图像二值化的规则。

值列表：二值化、反二值化

  • 二值化：当像素灰度值大于计算阈值时，将该像素的灰度值设为 255，否则设为 0。

  • 反二值化：当像素灰度值大于计算阈值时，将该像素的灰度值设为 0，否则设为 255。

核大小

参数解释：该参数表示计算阈值时考虑的邻域范围，单位为像素（px）。

默认值：21

常数

参数解释：该参数表示计算阈值时使用的常数。增大该值可使输出图像整体变暗，减小该值则使图像变亮。

默认值：0

双阈值分割

选择双阈值分割方法后，相关参数说明如下。

参数 解释

阈值 1、阈值 2

参数解释：

如果阈值 1 ＜ 阈值 2，则介于两个阈值之间的像素将被设置为 255，其他像素设置为 0。

如果阈值 1 ＞ 阈值 2，则超出阈值区间的像素将被设置为 255，其他像素设置为 0。

如果阈值 1 = 阈值 2，则阈值处的像素将被设置为 255，其他像素设置为 0。

动态阈值分割

选择动态阈值分割方法后，相关参数说明如下。

参数 解释

阈值分割类型

参数解释：该参数用于确定实现图像二值化的规则。

值列表：

  • 亮区：若 P ≥ P' + offset，则将 P 设置为 255，否则设置为 0。

  • 暗区：若 P ≤ P' - offset，则将 P 设置为 255，否则设置为 0。

  • 范围内：若 P' - offset ≤ P ≤ P' + offset，则将 P 设置为 255，否则设置为 0。

  • 范围外：若 P < P' - offset 或 P > P' + offset，则将 P 设置为 255，否则设置为 0。

滤波器类型

参数解释：该参数用于选择图像滤波的方法。

值列表：

  • 均值滤波：通过将图像中每个像素替换为邻域内像素的均值来进行滤波，从而实现平滑图像、减少随机噪声的效果。

  • 高斯滤波：可有效消除图像中的部分噪声，在平滑图像的同时尽可能保留边缘和细节，因此常用于图像平滑、噪声去除以及边缘检测前的预处理。

  • 中值滤波：通过将图像中每个像素替换为邻域内像素的中值来进行滤波，能够有效减少图像中的噪声，尤其是椒盐噪声（通常表现为随机的黑白点）。

像素值偏置

参数解释：在滤波时，给像素值额外加上或减去一个常量，以调整二值化的结果。

核大小

参数解释：该参数表示图像滤波时窗口的边长，单位为像素（px）。由于窗口中心始终存在一个中心像素，所以请将该值设置为奇数。若设置为偶数，偶数值将加 1。

全局固定阈值分割

选择全局固定阈值分割方法后，相关参数说明如下。

参数 解释

图像通道类型

参数解释：阈值分割时，步骤将基于不同的图像通道进行计算。

值列表：灰度图、色相通道、饱和度通道、明度/亮度通道

阈值（0~255）

参数解释：手动设定一个固定阈值，分割满足阈值条件的像素。

阈值分割类型

参数解释：该参数用于确定实现图像二值化的规则。

值列表：

  • 二值化：当像素灰度值大于设定阈值时，将该像素的灰度值设为 255，否则设为 0。

  • 反二值化：当像素灰度值大于设定阈值时，将该像素的灰度值设为 0，否则设为 255。

  • 截断阈值：当像素灰度值大于设定阈值时，将该像素的灰度值截断为阈值，否则保留原始灰度值。

  • 归零阈值：当像素灰度值大于设定阈值时，保留原始灰度值，否则将该像素的灰度值设为 0。

  • 反归零阈值：当像素灰度值大于设定阈值时，将该像素的灰度值设为 0，否则保留原始灰度值。

  • 大津法：使用 Otsu 算法自动计算全局阈值。

  • 三角法：使用三角形算法自动计算全局阈值。

调参案例

案例 1：背景干净，目标与背景对比度高

  • 场景：检测场景中，目标物体与背景的灰度差异明显，光照条件稳定，例如检测黑色物体在白色背景上的位置。

  • 推荐做法：优先选择全局固定阈值分割方法，手动设置一个固定的阈值值，便于快速有效地分离目标与背景。

  • 调参思路：

    1. 先观察图像的灰度直方图，确定目标和背景的灰度值范围。

    2. 选择在两者灰度值中间的一个值作为初始阈值（例如目标范围为 0-80，背景范围为 150-255，可设初始阈值为 115）。

    3. 在过程中调整阈值，逐步优化分割效果。

    4. 若目标被分割不完整，降低阈值；若背景噪声过多，提高阈值。

    5. 根据需要选择"二值化"或"反二值化"来调整前景与背景的颜色。

案例 2：光照不均匀，背景存在渐变

  • 场景：自然光照环境或有阴影的场景中，图像的不同区域亮度差异大，使用全局阈值容易导致欠分割或过分割问题。

  • 推荐做法：选择全局自适应阈值分割方法，系统基于像素邻域动态计算阈值，能自适应光照变化。

  • 调参思路：

    1. 设置“核大小”初始值为 21 像素，观察分割效果。

    2. 若目标轮廓模糊或边界检测不清晰，增大核大小（如 31 或 41），使邻域更大、阈值计算更平稳。

    3. 若目标细节丢失，减小核大小（如 11 或 15），使阈值更敏感。

    4. 调整“常数”参数：增大常数使图像整体变暗（前景更多），减小常数使图像变亮（背景更多）。

    5. 根据图像通道（灰度图、色相、饱和度等）选择合适的通道以获得最佳分割。

案例 3：图像中存在噪声，需要去除椒盐噪声

  • 场景：低质量摄像头或恶劣环境中采集的图像，含有随机的黑白噪点（椒盐噪声），直接二值化会保留噪声。

  • 推荐做法：采用动态阈值分割方法，配合中值滤波可有效去除椒盐噪声。

  • 调参思路：

    1. 选择"动态阈值分割"方法。

    2. 选择“中值滤波”作为滤波器类型，中值滤波特别适合去除椒盐噪声。

    3. 设置“核大小”为 5 或 7（奇数），用于定义滤波窗口大小。

    4. 根据目标特征选择“阈值分割类型”：

      • 若要检测较亮的目标，选择“亮区”。

      • 若要检测较暗的目标，选择“暗区”。

      • 若要检测落在某个范围内的像素，选择“范围内”。

      • 若要检测落在某个范围外的像素，选择“范围外”。

    5. 调整“像素值偏置”（offset）来控制分割的宽松度：增大偏置值会包括更多像素，减小偏置值则更严格。

    6. 观察效果，逐步微调核大小和偏置值。

案例 4：需要提取特定范围的亮度值

  • 场景：目标物体的灰度值集中在某个特定范围内，需要精确地提取这个范围内的像素，例如检测半导体芯片表面特定亮度的区域。

  • 推荐做法：使用双阈值分割方法，通过设置两个阈值边界来精确控制像素范围。

  • 调参思路：

    1. 观察目标区域的灰度值范围，例如目标像素灰度为 100-180。

    2. 设置阈值 1 为范围的下界，阈值 2 为范围的上界（例如阈值 1 = 100，阈值 2 = 180）。

    3. 此时会提取介于两个阈值之间的像素为 255，其他像素为 0。

    4. 若需要反向提取（提取范围外的像素），调整阈值 1 和阈值 2，使阈值 1 > 阈值 2。

    5. 根据分割效果逐步调整两个阈值的边界值，实现精确的灰度范围筛选。

该页面是否有帮助？

可以通过以下方式反馈意见：

我们重视您的隐私

我们使用 cookie 为您在我们的网站上提供最佳体验。继续使用该网站即表示您同意使用 cookie。如果您拒绝，将使用一个单独的 cookie 来确保您在访问本网站时不会被跟踪或记住。

  • Preference
  • 同意
  • 不同意