【正文】 先讀取原圖像的大小為。由于中的元素不是每個(gè)都是在窗口的中心，所以需要對(duì)灰度圖像進(jìn)行擴(kuò)展。首先創(chuàng)建一個(gè)的矩陣extend，把矩陣中的像素，而第一行和最后一行，第一列和最后一列的填充依據(jù)是以它靠近的行或列為對(duì)稱軸進(jìn)行填充。遍歷從到的像素，并取以當(dāng)前像素為中心的窗口的最大像素max和最小像素min，依據(jù)公式求出閾值。把灰度圖像矩陣賦值于另一矩陣，以免改變當(dāng)前得到的灰度圖像矩陣。遍歷該矩陣，對(duì)當(dāng)前灰度值與比較，如果大于賦予1，判為目標(biāo)像素類，否則賦予0，作為背景像素類。顯示得到的二值圖像。讀入灰度圖像以的邊界為對(duì)稱軸擴(kuò)展為N+2，M+2的矩陣N+2，M+2的extend矩陣求出以為中心的33窗口的max和min依公式t=(max + min)求出當(dāng)前窗口的閾值 開 始顯示二值圖像結(jié) 束NY Bernsen方法流程圖第五章 Otsu方法和Bernsen方法實(shí)驗(yàn)比較本設(shè)計(jì)只是對(duì)于bmp格式灰度圖像進(jìn)行研究。用Otsu方法和Bernsen方法對(duì)圖像進(jìn)行二值化處理。 (a) (b) (c) (d) (e) (f) 原圖(a) lena原始圖像(128128)； (b)peppers原始圖像(128128)；(c)plane原始圖像(128128)；(d) lena原始圖像(512512)；(e)peppers原始圖像(512512)； (f)plane原始圖像(512512) Otsu方法實(shí)驗(yàn)結(jié)果分析。其結(jié)果如圖所示。lena(128128)、lena(512512)。peppers(128128)、peppers(512512)。plane(128128)、plane(512512)。(a) 二值lena圖像(128128)　 (b)二值lena圖像(512512) Otsu方法二值化lena圖像 (a)二值peppers圖像(128128) (b)二值peppers圖像(512512) Otsu方法二值化peppers圖像　(a) 二值plane圖像(128128) (b)二值plane圖像(512512） Otsu方法二值化plane圖像。 Otsu方法處理不同像素的不同圖像性能指標(biāo)閾值(T)10912911411896106時(shí)間(S)/s熵值(H)圖(a)為128128的圖像，圖(b)為512512的圖像。，lena512，閾值為129；lena128，閾值為109?？芍?，512512 圖像的執(zhí)行時(shí)間要比128128圖像的時(shí)間要長，說明圖像越大，用Otsu方法對(duì)其進(jìn)行二值化處理所需時(shí)間越長；大圖像的閾值也比小圖像要大。熵值是衡量圖像有序化程度的一個(gè)度量，熵值越低圖像越有序，(512512)在進(jìn)行比較的圖像中是最混亂的。 Bernsen方法結(jié)果分析。其結(jié)果如圖所示。lena(128128)、lena(512512)。peppers(128128)、peppers(512512)。plane(128128)、plane(512512)。(a) 二值lena圖像(128128)； 　(b)二值lena圖像(512512) Bernsen方法二值化lena圖像 (a)二值peppers圖像(128128) (b)二值peppers圖像(512512) (a)二值plane圖像(128128) (b)二值plane圖像(512512) Bernsen方法二值化plane圖像。 Bernsen方法處理不同像素的不同圖像性能指標(biāo)閾值(T)時(shí)間(S)/s熵值(H)因?yàn)锽ernsen方法不存在預(yù)取閾值，得到的都是局部閾值，隨像素的變化而變化，所以沒有固定的閾值。圖像越大用Bernsen算法對(duì)其進(jìn)行二值化處理的時(shí)間越長。 0tsu方法和Bernsen方法實(shí)驗(yàn)結(jié)果比較在表中用一些變量保存了有用的實(shí)驗(yàn)數(shù)據(jù)。T表示Otsu方法、Bernsen方法的運(yùn)行時(shí)間，單位為秒。H表示由Otsu方法、Bernsen方法處理得到的二值圖像的熵值，單位為比特/符號(hào)。熵值的定義為： (14)圖像的熵值反映了整幅圖像的效果。信息熵是信息論中用于度量信息量的一個(gè)概念。一幅圖像越是有序，信息熵就越低；反之，一幅圖像越是混亂，信息熵就越高。所以，信息熵也可以說是衡量圖像有序化程度的一個(gè)度量。程序的運(yùn)行時(shí)間代表算法運(yùn)行效率，也是算法的一項(xiàng)性能指數(shù)。 兩種方法性能比較二值化方法Otsu方法Bernsen方法性能指標(biāo)閾值(T)時(shí)間(S)/s熵值(H)時(shí)間(S)/s熵值(H)lena128128121512512154peppers128128147512512150plane128128188512512188Bernsen方法由于不存在預(yù)取閾值，得到的都是局部閾值，隨像素的變化而變化，沒有固定的閾值。程序運(yùn)行時(shí)間T：T(Bernsen)T(Otsu)，可見Bernsen算法要尋找局部極大、極小值，因此速度較慢；TOtsu(128128) TOtsu(512512) ，TBernsen(128128) TBernsen(512512)，可見圖像越大，二值化程序運(yùn)行所需時(shí)間就越長。二值圖像的熵值：H(Otsu)H(Bernsen)，可以見Otsu方法對(duì)于光照不均、噪聲干擾大的圖像，其二值化效果較差，其反映了整個(gè)圖像的整體灰度分布情況。 結(jié)論Otsu 是經(jīng)典的非參數(shù)、無監(jiān)督自適應(yīng)閾值方法，是一種直方圖技術(shù)。理想情況下，在直方圖上代表物體和背景的兩個(gè)峰之間有一個(gè)明顯的谷，谷底就是最優(yōu)閾值。但在一些實(shí)際圖像中谷很平，很寬，并且受噪聲干擾嚴(yán)重，或是兩個(gè)峰的高度相差較大。這時(shí)尋找最佳閾值很困難。Otsu 法就是針對(duì)這種情況提出的，并且它不需要其它的先驗(yàn)知識(shí)，至今仍是最常用的二值化方法之一。Otsu方法實(shí)現(xiàn)簡單，對(duì)于具有明顯雙峰直方圖的圖像效果明顯，但對(duì)于低對(duì)比度和光照不均勻的圖像效果不佳，抗噪聲能力差，因而應(yīng)用范圍受到極大限制。Bernsen方法雖然能夠根據(jù)局部灰度特性來自適應(yīng)地選取閥值，有較大的靈活性，但是仍然存在缺點(diǎn)和問題： (1) 實(shí)現(xiàn)速度慢。 由于Bernsen算法要尋找局部極大、極小值，因此速度較慢。如果每次比較運(yùn)算耗時(shí)一個(gè)單元時(shí)間，則處理圖像耗時(shí)由決定。當(dāng)局部窗口增大時(shí)，對(duì)時(shí)間消耗的影響與窗口尺寸成平方關(guān)系。(2) 有偽影現(xiàn)象。 采用Bernsen算法時(shí)，常常在背景區(qū)域出現(xiàn)偽筆畫，這叫做偽影現(xiàn)象。出現(xiàn)這種現(xiàn)象是因?yàn)锽ernsen算法以局部窗口內(nèi)極大、極小值作為考察點(diǎn)的鄰域，當(dāng)考察窗口內(nèi)無目標(biāo)點(diǎn)時(shí)，個(gè)別噪聲點(diǎn)將引起閾值的突變，背景灰度的非均勻性也將影響局部閾值的變化，從而使得本應(yīng)是背景的點(diǎn)被二值化為目標(biāo)點(diǎn)。(3) 有筆畫斷裂現(xiàn)象。 Bernsen算法考察窗口內(nèi)均為目標(biāo)點(diǎn)時(shí)，局部閾值被拉升，于是部分目標(biāo)點(diǎn)被二值化為背景，致使信息丟失，從而出現(xiàn)筆畫斷裂現(xiàn)象。35參考文獻(xiàn)[1] [D].南京：.[2] 韓毅，盧漢清運(yùn)動(dòng)目標(biāo)檢算法的探討[J].計(jì)算機(jī)仿真,2006,23(10):221226 .[3] 郭永濤,宋煥生,[J].電視技術(shù),2006(5):9193.[4] 潘梅森,[J].光學(xué)精密工程,2007,15(3):99104.[5] 潘梅森,[J].計(jì)算機(jī)工程與應(yīng)用,2006,42(10):6264.[6] [J].哈爾濱商業(yè)大學(xué)大學(xué)報(bào):,22(4):6769.[7] 李文舉,梁德群,[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2004,16(5):697700.[8] 郝永杰,劉文耀,[J].西南交通大學(xué)學(xué)報(bào),2002, 4(37): 417420.[9] 陳丹,張蜂,[J].計(jì)算機(jī)工程,2003,29(13):8586.[10] [J].華僑大學(xué)學(xué)報(bào)（自然科學(xué)版）,2002,23(4):427430.[11] A Hashizume, P S Yeh, A Rosenfeld. A Method of Detecting the Orientation of Aligned Components[J]. Pattern Recognition Letters, 1986,4:125132.[12] ’Gorman. The Document Spectrum for Page Layout Analysis. IEEE Transactions. PAMI, , 1993:.[13] 鄭咸義,[J].計(jì)算機(jī)輔助設(shè)計(jì),1997,9(4):335338.[14] [M].北京:電子工業(yè)出版社,2001,16.[15] [M].北京:人民郵電出版社,2001,13. [16] 郝平嬌,[J].計(jì)算機(jī)與應(yīng)用化學(xué),2000,17(4):371374.致謝論文完成之際，我要特別感謝我的指導(dǎo)老師焦蓬蓬老師的熱情關(guān)懷和悉心指導(dǎo)。在我撰寫論文的過程中，焦老師傾注了大量的心血和汗水，無論是在論文的選題、構(gòu)思和資料的收集方面，還是在論文的研究方法以及成文定稿方面，我都得到了焦老師悉心細(xì)致的教誨和無私的幫助，特別是他廣博的學(xué)識(shí)、深厚的學(xué)術(shù)素養(yǎng)、嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神和一絲不茍的工作作風(fēng)使我終生受益，在此表示真誠地感謝和深深的謝意。在論文的寫作過程中，也得到了許多同學(xué)的寶貴建議，在此一并致以誠摯的謝意。感謝所有關(guān)心、支持、幫助過我的良師益友。最后，向在百忙中抽出時(shí)間對(duì)本文進(jìn)行評(píng)審并提出寶貴意見的各位專家表示衷心地感謝!