目录

1. 基于阈值的目标提取

1.1 二值化处理

1.2 阈值的确定

模态法

阈值确定其他方法

大津法

2. 基于颜色的目标提取

2.1 色相、亮度、饱和度

2.2颜色分量和组合处理

比如让你提取一幅照片中的苹果，还有可能遮挡

比如让你提取绿色的麦苗，如何使用二值图像呢？

3. 基于差分目标提取

3.1 帧间差分

3.2 背景差分

1. 基于阈值的目标提取

1.1 二值化处理

二值化处理中最简答的一种是阈值处理，当其灰度值在阈值以上或者以下，就赋予其输出图像为白色或者黑色

有时会提取两个 阈值之间的部分，称为双阈值二值化处理

1.2 阈值的确定

灰度图像最大值是255，最小值是0,0~255，一幅图像上每级有几个像素，数出来，按照顺序绘出直方图。

背景单一的图像，一般直方图有两个峰值，一个是背景峰值，一个是目标峰值

取中间的为阈值，将会得到最好的效果

模态法

如果原始图像的直方图凹凸激烈，计算机就不好确定波谷的位置，可以采取对邻域点进行平均化处理，这样就会减少直方图的凹凸不平，就比较容易找到波谷的位置，这种方法称为模态法

阈值确定其他方法

p参数法（当已知物体占整幅图像比例时）；判别分析法；可变阈值法；大津法

大津法

大津法又称为最大类间方差法。

背景和目标之间的类间方差越大，构成图像的两部分差别越大，错分的概率越小。

最大方差确定阈值不需要人为设定参数，是一种自动选择阈值的方法，计算实现比较复杂，但是在实际应用中，常常选择迭代自动获取

1. 选择图像像素的平均值作为初始阈值
2. 利用阈值将图像分割成两组数据R1和R2
3. 计算R1和R2的均值u1和u2
4. 重新选择阈值T=（u1+u2）/2
5. 重复2-4步，直到u1和u2不再发生变化

2. 基于颜色的目标提取

2.1 色相、亮度、饱和度

色相H，亮度Y或者I，饱和度S

RGB-->HSI几种常见的算法

2.2颜色分量和组合处理

比如让你提取一幅照片中的苹果，还有可能遮挡

第一步是用二值图像（R-G色差均值），得到苹果和背景图

第二步是进行边界跟踪、匹配膨胀、圆心点群计算，圆心点群分组，圆心及半径计算等步骤。

比如让你提取绿色的麦苗，如何使用二值图像呢？

可以强调绿色

3. 基于差分目标提取

3.1 帧间差分

比如打羽毛球

两帧之差大于阈值，设为白色，两 帧之差小于阈值，就黑色，最终得到的就是图片中动的部分

3.2 背景差分

比如获取某一路段的汽车通量

首先要获取没有汽车时图像的直方图等一系列信息，还要获取早中晚不同情况下的具体信息

然后当背景信息已知时，通过将图像与背景图像左茶，就可以提取图片中的车辆信息

文章来源: kings.blog.csdn.net，作者：人工智能博士，版权归原作者所有，如需转载，请联系作者。

原文链接：kings.blog.csdn.net/article/details/90316616