9、基础图像处理操作详解

基础图像处理操作详解

1. 全局与局部技术

在图像处理中，目前我们接触到了全局技术，这类技术会对整个图像进行操作。同时，还有局部自适应技术，它常用于在字符识别前对文档图像进行二值化处理。有研究对全局和局部技术在文档图像分析方面进行了比较。这些技术在统计模式识别中较为常用，通过阈值处理后的对象会根据其统计属性进行分类。然而，在图像解释领域，这些技术的应用相对较少，因为场景中通常存在多个对象，例如在某些阈值操作中会选出多个潜在感兴趣的对象。在许多视觉应用中，由于对象经常被遮挡，且很多对象的像素强度范围相似，所以通常仅使用均匀阈值处理。要分离这些对象，就需要更复杂的度量方法，利用均匀阈值处理后的图像来实现。

2. 模板卷积

模板卷积是一种重要的图像处理方法，它通过“分组”过程从像素的邻域计算新的像素值。模板通常是一组加权系数，一般为正方形，且尺寸通常为奇数，以确保能恰当定位。例如，一个 3×3 的模板表示宽和长均为 3 个像素。

新像素值的计算方法是将模板放置在感兴趣的点上，将像素值与对应的加权系数相乘后求和，这个和通常用于计算模板中心像素的新值，该值将成为新输出图像中的像素。如果模板位置未到达行尾，则将模板水平移动一个像素并重复此过程。

以下是大津法（Otsu）的最优阈值处理代码：

ω(k, histogram) := 
 histogram
I=1
k
I–1
Σ

µ(k, histogram):=
 I histogram
I=1
k
I–1
Σ
⋅

µT (histogram) :=
 I histogram
I=1
256
I–1
Σ
⋅
O