2024年4月30日发(作者：)
图片的黑白处理（二值化）
原始圖片
黑白處理后圖片
原始圖片：
黑白處理后圖片：
部分处理代码：
code
……
Dim ts2 As IThresholder = New GlobalMeanThreshold(inbmp)
Dim tsBMP As New Bitmap(, )
ToBitmap(tsBMP)
= tsBMP
=
=
= 0
= 0
……
理论知识：
灰度图像的二值化处理就是讲图像上的点的灰度置为0或255，也就是讲整个图像呈
现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取 而获得
仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占
有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构 成的系
统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值
化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素 值为0
或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理
和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定 义不交叠的
区域。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，
否则这些像素点被排除在物体区域以外，灰度值为0，表示背景 或者例外的物体区
域。如果某特定物体在内部有均匀一致的灰度值，并且其处在一个具有其他等级灰
度值的均匀背景下，使用阀值法就可以得到比较的分割效果。如 果物体同背景的差
别表现不在灰度值上（比如纹理不同），可以将这个差别特征转换为灰度的差别，
然后利用阀值选取技术来分割该图像。动态调节阀值实现图像的 二值化可动态观察
其分割图像的具体结果。
图类
1
灰度图像的二值化没有固定的算法,根据图像区域中目标物体的不同而有不同的二
值化算法.目前最主要的方法有：最大值法，平均值法，加权平均值法
如下边代码：
Private Function SetBitMapToBlackAndWhite(bmp As Bitmap) As Bitmap
Try
Dim height As Integer =
Dim Width As Integer =
Dim newBitMap As New Bitmap(Width, height)
Dim pixel As Color
For x As Integer = 0 To Width - 1
For y As Integer = 0 To height - 1
pixel = el(x, y)
Dim r As Integer
Dim g As Integer
Dim b As Integer
Dim Result As Integer
Result = 0
r = pixel.R
g = pixel.G
b = pixel.B
Dim iType As Integer = 2
Select Case iType
Case 0
'平均值法
Result = (r + g + b) / 3
Exit Select
Case 1
'最大值法
If (r > g) Then
Result = r
Else
Result = g
End If
If (Result > b) Then
Result = Result
Else
Result = b
End If
Exit Select
图类
2
Case 2
'加权平均值
Result = CInt(0.7) * r + CInt(0.2) * g + CInt(0.1) * b
Exit Select
End Select
el(x, y, gb(Result, Result, Result))
Next
Next
Return newBitMap
Catch ex As Exception
Return Nothing
End Try
End Function
该函数实现的简单的图像2值化。
实际使用中最简单的二值化算法就是根据每个像素的灰度值做舍入处理,比如二值
化阀值可以设置为0-255的中值127,但是这种的二值化没有根基图像的整体灰度值
所在范围做考虑,所以效果很差.
网上流传较广的是根据图像的直方图求取阀值:可以到网上搜索，我就不重复了
介绍我的方法：
图像数据处理函数：由于需要对图像进行指针操作，故使用C#编写源码
public override unsafe void DoThresholding()
{
Data indata = ts(new
Rectangle(0, 0, , ),
ly,
24bppRgb);
byte* ptr = (byte*)ter();
Histogram his = new Histogram(indata, ptr, 0, 0, ,
);
int mean = ((int), 0) * 3;
//图像阀值
int stride = ;
for (int x = - 1; x >= 0; x--)
{
for (int y = - 1; y >= 0; y--)
{
图类
3
int average = (ptr[(y * stride) + (x * 3)] +
ptr[(y * stride) + (x * 3) + 1] +
ptr[(y * stride) + (x * 3) + 2]);
//byte average = (byte)((ptr[(y * ) + (x * 3) +
2]));
if (average > mean)
Data[x, y] = 255;
else
Data[x, y] = 0;
}
}
Bits(indata);
}
}
图像阀值的求取：
byte[] HistogramData;
unsafe public Histogram(Data
byte* ptr,
int left, int top, int width, int height)
{
HistogramData = new byte[256];
for (int i = 0; i < 256; i++)
HistogramData[i] = 0;
int right = (left + width, );
int bottom = (top + height, );
int stride = ;
for (int x = left; x < right; x++)
{
for (int y = top; y < bottom; y++)
{
HistogramData[ptr[(y * stride) + (x * 3)]] += 1;
HistogramData[ptr[(y * stride) + (x * 3) + 1]] += 1;
HistogramData[ptr[(y * stride) + (x * 3) + 2]] += 1;
}
}
CalculateMean();
CalculateMinMax();
}
图类
4
indata,
unsafe public Histogram(byte* ptr, int stride, int imgWidth, int
imgHeight,
int left, int top, int width, int height)
{
HistogramData = new byte[256];
int right = (left + width, imgWidth);
int bottom = (top + height, imgHeight);
for (int x = left; x < right; x++)
{
for (int y = top; y < bottom; y++)
{
byte average = (byte)((ptr[(y * stride) + (x * 3)] +
ptr[(y * stride) + (x * 3) + 1] +
ptr[(y * stride) + (x * 3) + 2]) / 3);
HistogramData[average] += 1;
}
}
CalculateMean();
CalculateVariance();
}
public byte Mean;
private int Sum;
private int WeightedSum;
private void CalculateMean()
{
int sum = 0;
int weightedSum = 0;
for (int i = 0; i < 256; i++)
{
sum += HistogramData[i];
weightedSum += HistogramData[i] * i;
}
Sum = sum;
WeightedSum = weightedSum;
if (sum > 0)
图类
5
发布评论