二值化对比-大津法-迭代法-Bernsen-matlab代码-图-PPT

自适应二值化，比OTSU好多了，可以用于图像分割前的二值化检测，配合matlab里面的regenion函数可以很好的检测图像的特征

使用大津算法来获取最佳阈值来实现二值化后，通过按行两次扫描法进行连通区域标记。

实现简单图像处理，包括256色转灰度图、Hough变换、Walsh变换、中值滤波、二值化变换、亮度增减、傅立叶变换、反色、取对数、取指数、图像平移、图像旋转、图像细化、图像缩放、图像镜像、均值滤波、对比度拉伸、拉普拉斯锐化（边缘检测）、方块编码、梯度锐化、灰度均衡、直方图均衡、离散余弦变换、维纳滤波处理、逆滤波处理、阈值变换、高斯平滑

对图片进行二值化处理，并进行肤色检测。有5种检测方法：HSV颜色空间H范围筛选法、椭圆肤色检测模型、YCrCb颜色空间的Cr分量+Otsu法阈值分割算法、BGR空间的手势识别、Cr，Cb范围筛选法。

灰度图像二值化阈值otsuthreshold（C语言）相当于matlab中threshold函数

文章目录一、rgb空间下的sobel边缘检测（1）代码（2）结果二、hsv-s空间下的加入图像腐蚀和图像膨胀的sobel边缘检测（1）代码（2）结果三、hsv-s空间下的加入图像腐蚀和图像膨胀，并进行孔洞填充后的sobel边缘检测（1）代码（2）结果 一、rgb空间下的sobel边缘检测 （1）代码 # -*- coding: utf-8 -*- import cv2 import matplotlib.pyplot as plt # 读取图像 # 此处注意cv2.imread读出来的是bgr格式要转为rgb img = cv2.imread('7.jpg') img = cv2.cvtCol

Matlab完成实时摄像头图像采集，并使用OTSU算法完成自适应二值化，效果很好，实时性较高。

图像二值化的算法代码，里面包含两种算法的源代码，有注释

8.3.2梯度图像二值化 如果用适中的阈值对一幅梯度图像进行二值化，Kirsch的分割法利用了这种现象。 算法步骤 用一个中偏低的灰度阈值对梯度图像进行二值化从而检测出物体和背景，物体与背景被处于阈值之上的边界点带分开。随着阈值逐渐提高，就引起物体和背景的同时增长。当它们接触上而又不至于合并时，可用接触点来定义边界。这是分水岭算法在梯度图像中的应用。