c#-4.0 - 为什么图像二值化显示的效果较差？

请参考this journal article。

第4.1节（预处理）的最后一段说，

将[threshold = (mean + std dev)]与Otsu阈值结合使用可获得以下结果，

。

而且，没有它们，我将获得以下结果，

。

因此，我有三个问题，

（1）我实施二进制阈值法的主要问题是什么？

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

（3）如何将double值用作大津的阈值？

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;
    }

最佳答案

我只会回答（2）。我还没有看到任何人在全局范围内使用mean + stdev，但是在应用局部自适应阈值技术时，这种情况非常普遍。因此，您不必为整个图像计算一个阈值，而是根据其邻域为每个像素计算一个阈值。在本文描述的应用程序中，这将更有意义。具有局部均值（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 * stdev（x，y）

其中k是可调参数。在文档二值化中非常常用。另一个常见的是

t *平均值（x，y）+ k * stdev（x，y）

您可以在其中调整本地平均值和本地stdev阈值。 stdev术语的重点是赋予边缘权重。划痕将始终是局部标准偏差较高的区域，因此，将其与该术语相关联应比简单的平均阈值法更有效。

如果这些看起来有趣，您也可以查看Sauvola算法，这是对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。

STDev

c#-4.0 - 为什么图像二值化显示的效果较差？