c#-4.0 - 为什么图像二值化显示的结果较差？

Question

请引用this journal article .

第 4.1 节(预处理)的最后一段说，

使用 [threshold = (mean + std dev)] 以及 Otsu 阈值给出以下结果，

.

而且，如果没有它们，我会得到以下结果，

.

因此，我有三个问题，

(1) 我实现二进制阈值的主要问题是什么？

(2) 如果 Otsu Threshold 确实给出了很好的结果，为什么文章作者建议使用 [threshold = (mean + std dev)]？

(3) 如何应用 double 值作为 Otsu 的阈值？

<小时/>

源代码

Here is the GitHub repository.

源代码中最相关的部分如下，

    private void thresholdButton_Click(object sender, EventArgs e)
    {
        Bitmap color = (Bitmap)this.inputImagePictureBox.Image;

        Bitmap temp = Grayscale.ToGrayscale((Bitmap)color.Clone());

        ImageStatistics imgStat = new ImageStatistics(temp);

        Histogram histogram = imgStat.Gray;

        double meanPlusStdDev = histogram.Mean + histogram.StdDev;

        OtsuThreshold otsu = new OtsuThreshold();

        int thres = otsu.getOtsuThreshold(temp);//////

        //otsu.Apply(temp, (int)meanPlusStdDev);

        otsu.Apply(temp, thres);

        thresholdedImagePictureBox.Image = temp;
    }

Answer 1

我只会回答(2)。我还没有看到有人在全局范围内使用mean + stdev，但在应用局部自适应阈值技术时，这是很常见的。因此，您不必为整个图像计算单个阈值，而是根据其邻域为每个像素计算一个阈值。这在文章中描述的应用程序中更有意义。具有局部平均值(x，y)和局部stdev(x，y)的像素(x，y)的Niblack自适应阈值是:

均值(x,y) + k * 标准差(x,y)

其中 k 是一个可调参数。它在文档二值化中非常常用。另一种常见的是

t * 均值(x,y) + k * 标准差(x,y)

您可以在其中调整本地均值和本地标准差阈值。 stdev 项的要点是赋予边缘权重。划痕始终是局部标准偏差较高的区域，因此与之相关的术语应该比简单的均值阈值更有效。

如果您觉得有趣，您还可以查看 Sauvola 算法，它是 Niblack 算法的进一步修改。如果您想自己实现这些，请查看积分图像的概念。