Niblack和局部均值算法的二值化比较

Niblack二值化算法是比较简单的局部阈值方法，阈值的计算公式是T = m + k*v，其中m为以该像素点为中心的区域的平均灰度值，v是该区域的标准差，k是一个修正系数  

这几天在研究静脉的图像二值化，然后百度了几次无果，要不然就是效果差，达不到心中的期待值。所以打算自己动手造一下轮子。

首先我用了局部均值法，效果挺棒的。废话不多说，看代码；  


void Mean_method(BYTE *image_in, BYTE *image_out, int xsize, int ysize)
{
/*
// 作者：杨魁
//参数列表：
//image_in            输入图像的指针
//image_out        输出图像的指针
//xsize                图像的宽
//ysize                图像的高
*/
int sum = 0;
int i, j, h, k;;//用于循环
int T = 0;//阈值
int num = 0;//用于自加
int w_size = 7;//窗口大小为2*w_size+1
int Area = (2 * w_size + 1)*(2 * w_size + 1);
int *d = (int *)malloc(sizeof(int)*Area);//数组空间

for (j = w_size; j < ysize - w_size; j++)
{
    for (i = w_size; i < xsize - w_size; i++)
    {
        sum = 0;
        num = 0;
        for (h = 0; h < 2 * w_size + 1; h++)
        {
            for (k = 0; k < 2 * w_size + 1; k++)
            {
                d[num++] = GetGray(image_in, xsize, i + w_size - k, j + w_size - h);
            }
        }
        for (h = 0; h < Area; h++)
        {
            sum += d[h];
        }
        T = sum / Area;
        *(image_out + j *xsize + i) = *(image_in + j *xsize + i) > T ? 255 : 0;
    }
}
free(d);
}  

我写的比较简单。例如边缘我直接没有处理。待我慢慢改进。处理的图像效果如下。 

效果不错吧。

然后我又换了一种被叫做Niblack的算法。代码如下：
void NiBlack(BYTE *image_in, BYTE *image_out, int xsize, int ysize)
{
/*
// 作者：杨魁
//参数列表：
//image_in            输入图像的指针
//image_out        输出图像的指针
//xsize                图像的宽
//ysize                图像的高
*/

int sum = 0;
int i, j, h, k;;//用于循环
int Average = 0;//平均值
int num = 0;//用于自加
int w_size = 7;//窗口大小为2*w_size+1
int Area = (2 * w_size + 1)*(2 * w_size + 1);
int *d = (int *)malloc(sizeof(int)*Area);//数组空间
int T = 0;//阈值
int S = 0;//标准差

for (j = w_size; j < ysize - w_size; j++)
{
    for (i = w_size; i < xsize - w_size; i++)
    {
        sum = 0;
        num = 0;
        for (h = 0; h < 2 * w_size + 1; h++)
        {
            for (k = 0; k < 2 * w_size + 1; k++)
            {
                d[num++] = GetGray(image_in, xsize, i + w_size - k, j + w_size - h);        //求area领域内的像素值
            }
        }
        for (h = 0; h <Area; h++)
        {
            sum += d[h];//求总和
        }
        Average = sum / Area;
        sum = 0;
        for (h = 0; h < Area; h++)
        {
            sum += (d[h] * d[h]);
        }
        S = sqrt((float)sum);
        S = S / Area;
         T = Average + 0.05*S;//确定阈值
        *(image_out + j *xsize + i) = *(image_in + j *xsize + i) > T ? 255 : 0;
    }
}
free(d);

}

效果如下： 

感觉并没有变化，可能是我修正系数设置的不好。好了，就写这么多。我封装了一个MyDib类，和一些常用的图像处理的算法。如果感兴趣可以一起来完善。

  [简单的bmp图片操作类和常用的图像处理函数](https://github.com/yangkuiking/MyDib) 

//返回某点的灰度值
int GetGray(BYTE * image_in, int xsize, int x, int y)
{
	return *(image_in + y *xsize + x);
}

//颜色反转
void Back_White(BYTE *image_des, int image_size)
{
	for (int i = 0; i < image_size; i++)
	{
		if (*(image_des + i) == 0)
		{
			*(image_des + i) = 255;
		}
		else
		{
			*(image_des + i) = 0;
		}
	}
}

源码：链接：https://pan.baidu.com/s/1P9baEotDZxrJeicLuQdnzg 
提取码：f9r3