Image processing 自适应阈值二值化：去除重影对象的后处理

有人知道从二值化图像中删除重影对象的后处理算法吗？问题是： 当我使用例如niblack方法或bernsen对图像进行二值化时， 它产生许多噪音。我读过关于二值化的红皮书或网络文章，他们都说Niblack和other的二值化方法需要后处理步骤， 但他们没有说这是什么，后处理操作。所以，如果有人知道，请告诉我。 编辑： 原始图像：

Bernsen阈值winsize 31，对比度差15：

Bernsen阈值winsize 31，对比度差31：

尼布拉克法窗口尺寸-15，k_值0.2：

尼布拉克法窗口大小-31，k_值0.2：

编辑2： 正如您所看到的，Niblack阈值产生了许多噪声。 如果我把窗户缩小一些，里面的黑色方块会变成一点白色。 Bernsen更好-噪音更小，但即使我使对比度差异更大， 但有一个问题，我现在无法制作图像，换句话说，就是这个问题： 如果图像包含一些颜色接近白色的对象，且背景为白色， 因此，如果有一个区域（例如，直线）为黑色，则此方法会忽略对象，结果是错误的。 这是因为Bernsen方法使用以下公式： 在每个像素处计算对比度差 差异=最大灰度值-最小灰度值 然后用差值来计算阈值， 但在我上面写的例子中，我们的最大值是255 最小值为0。 所以阈值是128， 但实际对象颜色高于128（接近白色）

所以我需要使用一些后处理操作来正确地进行二值化。

---

有什么想法吗？

使用K-means完成Python程序，K-means是一种用于寻找最佳量化间隔的工具：

from scipy.misc import imread, imsave
def kmeans(file_in, file_out, maxiter):
    X = imread(file_in)
    thresh = X.mean()
    for iter in range(maxiter):
        thresh = (X[X<thresh].mean() + X[X>=thresh].mean())/2.0
    X[X<thresh] = 0
    X[X>=thresh] = 255
    imsave(file_out, X)
    return X, thresh

从scipy.misc导入imread，imsave
def kmeans（文件输入、文件输出、最大值）：
X=imread（文件\u in）
thresh=X.平均值（）
对于范围内的iter（maxiter）：
thresh=（X[X=thresh].mean（））/2.0
X[X=thresh]=255
imsave（文件输出，X）
返回X，脱粒

在每次迭代中，K-means计算每个“簇”的中心，然后根据重新计算的中心将元素重新分配给簇。在每个元素（即像素）为一维且仅需要两个簇的简单情况下，阈值仅为两个簇中心的平均值

我应该补充一点，这种方法适用于您发布的示例图像，但可能不适用于其他图像（例如您在另一个问题中发布的图像）。但如果没有进一步的信息，我认为这个解决方案是可行的

输出：

---

听起来你的问题真的是一个细分问题。。。你所拍摄的图像类型是什么

---

顺便说一句，我如何评论这个问题而不是回答它？

这个问题可能已经过时了，但是对于那些仍然找不到答案的人来说，在这些情况下应该使用的方法，即对于快速变化的背景图像，不是局部灰度阈值，而是局部特征阈值，它不是用局部灰度来分析图像，而是用笔划宽度法。你可以在网上查找。

请查看示例图片！（二值化前后）。根据这一点，可能需要一些形态学清理。我添加了图像，以后会对它们进行更多的注释，现在我添加了更多的信息，方法实现是正确的，但是这里的问题是什么，应该做些什么来更好地进行二值化？似乎该算法的行为类似于全局阈值，但是如果我决定对全局阈值错误的其他图像进行二值化怎么办？是的，那么您可能需要其他东西。我只是以给定的图片作为例子来回答这个问题，在这种情况下，我的解决方案是有效的。好的，我有一个想法，但不确定速度和想法本身。因此，如果通过某种算法，我们可以得到一个数字N，表示在某幅图像中我们需要多少簇，然后使用K-Means算法，得到的不是二值化的，而是类似于分割图像的，片段的数量是N。实际上，在这种情况下，片段指的是像素属于某个区域的区域。因此，我们可以使用更简单的图像。下一步可以是二值化，我认为这比以前容易，或者单独使用这些片段。那么你能告诉我你认为它会起作用吗？在我的例子中，K-均值不是用来计算阈值的，而是用来分割的。对，我也考虑过同样的事情。但这种解决方案——使用K-均值进行空间分割——的鲁棒性要差得多。找到N并不容易。在寻找N的过程中，如果你能做到这一点，你很可能也找到了集群本身。你所说的图像类型是什么意思？它们是由相机在不同条件下制作的，如照明不均匀等。有一个文本和Niblack被认为是处理文本图像最好的方法之一，但它非常嘈杂。这个问题有一个添加评论按钮，你可以在问题的底部看到它。在已经发布的评论下面。我所说的类型是：它们是合成纹理、生物图像等。每一种都有非常不同的解决方法。有些人擅长频域解决方案，而另一些人擅长基于几何的解决方案。它还取决于各种其他因素。。。如色彩平衡、径向失真等。