图像的二值化及细化

图像的二值化及细化
结合自身理解对图像的二值化及细化进行简单介绍和效果展示。

1. 二值化

二值化，顾名思义非白即黑。在图像处理技术中，二值化就是将图像的点阵变成0（最小值）或255（最大值），从而形成黑白分明的二值图像。即将256个亮度等级的图像通过预先设定适当的阈值选取而获得反映图像整体和局部特征的二值化图像。二值化能够大大减少图像的数据，使图像的边缘轮廓更加分明，凸显图像目标更具特征的特点。
二值化的处理方式如下：确定一个阈值，将图像点阵中大于阈值的置为255，
小于阈值的置为0，在MATLAB软件中，采用“Threshold”函数可以将图像二值化。除了人工阈值外，还可以采用“otus”算法智能选取阈值。
当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准。而在“Otsu”算法中这个衡量差别的标准就是最大类间方差（英文简称“Otsu”，这也就是这个算法名字的来源）。

2. 图像细化

图像细化，一般指二值图像的骨架化，将图像线条从多像素的宽度细化到单位像素的宽度的一种操作运算。研究表明，图像细化技术受到各种条件限制，其中包括图像自身的噪声、线条粗细不均匀、端点的确定以及线条交叉点选定等，因此图像细化作为一种图像预处理技术，其选取和技术的改善也尤为重要。
指纹图像细化，指的是指纹隆线细化，指纹隆线细化消除了隆线两边多余的像素，最后隆线的宽度变为一个像素宽。为了使效果更明显，采用“~”将黑白颠倒，白色的部分即为细化后的指纹纹理，可以看到细小的纹理已经初见雏形。利用已经反转细化后的纹理，能够方便后续的特征匹配。

可以看到，指纹图片受到严重的噪声干扰，指纹内部的纹路被覆盖成杂乱的纹路，这也为我们后面提取特征点增添了不少的难度。由此可见，滤波增强处理是十分必要的一步预处理。

上述就是对于图像图像的二值化及细化的介绍啦。