图像二值化 和边缘检测的程序

图像二值化和边缘检测的程序 图像二值化是将图像转换为二进制图像的过程，用于将图像分割成不同的区域。在人脸识别技术中，图像二值化可以将人脸和非人脸区域分割开来。 在图像二值化中，閥值的选择非常重要。如果閥值过高，则许多目标会被误归为背景。如果閥值过低，目标会被误归为肤色候选区域。因此，选择合适的閥值是图像二值化的关键。 本文中介绍了三种二值化处理过程的閥值选择方法：全局閥值、自适应閥值和最佳閥值。 1. 全局閥值：是指整幅图像都采用相同的閥值 T 处理，适用于背景和前景有明显对比的图像。缺点是固定的閥值会导致肤色和背景严重的误判，影响分割效果，造成漏检。 2. 自适应閥值：是在不同的区域选择不同的閥值进行处理。实际处理时，需要按照具体问题将图像分割成多个区域分别选择閥值，或者动态的根据一定的领域范围选择每点处的閥值，进行图像分割。缺点是每次循环都要对连通区域依次判断，检测速度很慢。 3. 最佳閥值：可以通过分析直方图的方法来确定最佳的閥值。例如，当图像的直方图呈双峰情况时，可以选择两个峰值的中点作为閥值。 在代码中，我们使用了最佳閥值的选择方法，通过分析直方图来确定最佳的閥值。我们首先将閥值初始值设为 0.6，然后以每次 0.05 的间隔减小到 0.4，记录下每次閥值变化时肤色像素数量的变化，然后找出变化最小的那个閥值作为最佳閥值。 边缘检测是图像处理中的一个重要步骤，用于检测图像中的边缘信息。边缘检测可以使用 CANNY 边缘检测算法，将彩色图像转化为灰度图，然后进行边缘检测。 在图像处理中，均衡化图像与直方图是非常重要的一步。我们可以使用 MATLAB 中的 histeq 函数来进行图像均衡化。我们将图像读取到 I 中，然后使用 histeq 函数来将图像灰度扩展到 0~255，但只有 64 个灰度级。我们使用 imshow 函数来显示均衡化后的图像。 使用不同的模板对图像进行均值滤波是图像处理中的一种常见方法。我们可以使用 MATLAB 中的 filter2 函数来进行均值滤波。我们将图像读取到 I 中，然后使用 filter2 函数来进行均值滤波，我们使用了三种不同的模板来进行均值滤波，每种模板都对应不同的滤波效果。