Rocky的部落格

http://blog.csdn.net/xiahouzuoxin/article/details/41047325

Wellner 1993快速自適應的圖像二值化方法的提高 (Derek Bradley and Gerhard Roth 2007)

前面一種方案實際上還是存在一定的問題的， 就是這個避重就輕的初始g(n)值127*s(127表示0-255之間的中間值)， 這個東西帶來的最直接的問題就是邊緣的效果在這個算法下是不咋地的。 其實從這個所謂的"Wellner 1993"， 後人又做了很多的改進， 使之效率更高， 效果更好。比方說這個Derek Bradley和Gerhard Roth搞的這個所謂 Adaptive Thresholding Using the Integral Image 在這個網頁

一種快速自適應的圖像二值化方法介紹 (Wellner 1993)

在手機模式識別的時候, 我們首先viewfinder裡面拿到的frame通常是RGB的或者YUV的, 如果我們需要用來做模式識別的話, 通常需要首先把彩色圖首先轉化成灰度圖. 對於RGB圖像而言, 網上有充足的公式, 比如Y = 0.299R + 0.587G + 0.114B 等等. 如果是YUV的話, 直接用Y就是灰度圖了. 順帶說一句, 這種灰度圖通常我們用.raw文件來表示, 用photoshop或者irfanview是可以直接打開看效果的. 比如說這裡就有一個灰度圖的例子

我們遇到的識別圖片，經常被認為的加入雜色干擾，形成一個濃淡分布不均的多值圖像。把這樣一幅多灰度值的圖像(Gray Level Image)轉化為只有黑(前景文字部分)白(背景部分)分布的二值圖像(Binary Image)的工作叫做二值化處理(Binariztion)。對於一般256級灰度的灰度圖，0級灰度對應於黑色，255級對應於白色。二值化後0對應於黑色前景文字，1對應於白色背景。

    一般來說，二值化方法可以分為： 全局二值化 和 局部自適應二值化。

1. 閾值

      對

圖像二值化的目的是最大限度的將圖象中感興趣的部分保留下來，在很多情況下，也是進行圖像分析、特征提取與模式識別之前的必要的圖像預處理過程。這個看似簡單的問題，在過去的四十年裡受到國內外學者的廣泛關注，產生了數以百計的閾值選取方法，但如同其他圖像分割算法一樣，沒有一個現有方法對各種各樣的圖像都能得到令人滿意的結果。

本文針對幾種經典而常用的二值發放進行了簡單的討論並給出了其vb.net 實現。

 http://blog.csdn.net/ywywcy/article/details/1704566

圖像分割閾值選取技術綜述

http://blog.csdn.net/ieogxw/article/details/3871750

 在許多文本圖像的預處理過程中, 二值化過程是至為關鍵的一個環節。二值化算法的效果會對後續的處理如版面分析，字符定位以及識別等產生決定性的影響。

http://homepages.inf.ed.ac.uk/rbf/HIPR2/threshld.htm

http://homepages.inf.ed.ac.uk/rbf/HIPR2/adpthrsh.htm

http://blog.csdn.net/likezhaobin/article/details/6937569

單一閥值(Single thresholding)：當灰階影像要轉換為二元黑白影像，對於影像的各個像素，先確定某個灰階值T(臨界值)，當像素灰階值 > T，則對應輸出影像的像素值設為1(白色)，當像素灰階值 <= T，則對應輸出影像的像素值設為0(黑色)。

雙重閥值(Dual thresholding)：當灰階影像要轉換為二元黑白影像，對於影像的各個像素，先確定兩個灰階值T1與T2(臨界值)，當像素灰階值 >= T1 & <= T2，則對應輸出影像的像素值設為1(白色)，當其他像素灰階值，則對應輸出影像的像素值設為0(黑色)。

http://www.cnblogs.com/pixels/archive/2011/01/14/1935600.html