1.影象二值化常用方法原理介紹

影象二值化是影象分析與處理中最常見最重要的處理手段，二值處理方法也非常多。越精準的方法計算量也越大。

1.1基於RGB色彩空間

（主要是閾值的選取）
方法一：該方法非常簡單，對RGB彩色影象灰度化以後，掃描影象的每個畫素值，值小於127的將畫素值設為0(黑色)，值大於等於127的畫素值設為255(白色)。該方法的好處是計算量少速度快。缺點更多首先閾值為127沒有任何理由可以解釋，其次沒有考慮影象的畫素分佈情況與畫素值特徵，受光照影響較大。

方法二：計算畫素的平均值K，掃描影象的每個畫素值如畫素值大於K畫素值設為255(白色)，值小於等於K畫素值設為0(黑色)。缺點，可能導致部分物件畫素或者背景畫素丟失。二值化結果不能真實反映源影象資訊。

方法三：使用直方圖來尋找二值化閾值，選擇二值化閾值主要是通過統計畫素值發現影象的兩個最高的峰，然後在閾值取值在兩個峰之間的峰谷最低處。

方法四：使用近似一維Means方法尋找二值化閾值，該方法的大致步驟如下：
1. 一個初始化閾值T，可以自己設定或者根據隨機方法生成。
2. 根據閾值圖每個畫素資料P(n,m)分為物件畫素資料G1與背景畫素資料G2。(n為行，m為列)
3. G1的平均值是m1, G2的平均值是m2
4. 一個新的閾值T’ = (m1 + m2)/2
5. 回到第二步，用新的閾值繼續分畫素資料為物件與北京畫素資料，繼續2～4步，直到計算出來的新閾值等於上一次閾值
例如：opencv中Thresholding（）函式
【參考連結】（