欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列，持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列，持续更新中

【youcans 的 OpenCV 例程200篇】167.基于移动平均的可变阈值处理

3.7 基于移动平均的可变阈值处理

移动平均法是一种简单高效的局部阈值方法。

灰度遮蔽着点照明（如闪光灯）图像中十分常见。图中被斑点灰度模式遮蔽的手写文本图像，如果使用 OTSU 全局阈值处理，不能克服灰度变化的影响。在不均匀的光照场中，阈值分割的效果不好。使用移动平均的局部阈值，则能很好地进行处理。

移动平均法是线性的 Z 字形模式扫描整个图片，对每个像素产生一个阈值。

$$m(k+1)=\{\begin{array}{ll}\frac{1}{n}{\sum }_{i=k+2-n}^{k+1}{z}_i,& k\ge n-1\\ m(k)+\frac{1}{n}(z_{k+1}-z_{k-n}),& k\ge n+1\end{array}$$

然后进行阈值处理：

$$g(x,y)=\{\begin{array}{ll}1,& f(x,y)\ge b\ast m(x,y)\\ 0,& k<b\ast m(x,y)\end{array}$$

对于手写内容的图像，通常可以令 n 为平均笔画宽度的 5倍。

例程 11.24：基于移动平均的可变阈值处理

    # 11.24 基于移动平均的可变阈值处理def movingThreshold(img, n, b):img[1:-1:2, :] = np.fliplr(img[1:-1:2, :])  # 向量翻转f = img.flatten()  # 展平为一维ret = np.cumsum(f)ret[n:] = ret[n:] - ret[:-n]m = ret / n  # 移动平均值g = np.array(f>=b*m).astype(int)  # 阈值判断，g=1 if f>=b*mg = g.reshape(img.shape)  # 恢复为二维g[1:-1:2, :] = np.fliplr(g[1:-1:2, :])  # 交替翻转return g*255img1 = cv2.imread("../images/Fig1049a.tif", flags=0)img2 = cv2.imread("../images/Fig1050a.tif", flags=0)ret1, imgOtsu1 = cv2.threshold(img1, 127, 255, cv2.THRESH_OTSU)  # OTSU 阈值分割ret2, imgOtsu2 = cv2.threshold(img2, 127, 255, cv2.THRESH_OTSU)imgMoveThres1 = movingThreshold(img1, 20, 0.5)  # 移动平均阈值处理imgMoveThres2 = movingThreshold(img2, 20, 0.5)  # n=20, b=0.5plt.figure(figsize=(9, 6))plt.subplot(231), plt.axis('off'), plt.title("Origin")plt.imshow(img1, 'gray')plt.subplot(232), plt.axis('off'), plt.title("OTSU(T={})".format(ret1))plt.imshow(imgOtsu1, 'gray')plt.subplot(233), plt.axis('off'), plt.title("Moving threshold")plt.imshow(imgMoveThres1, 'gray')plt.subplot(234), plt.axis('off'), plt.title("Origin")plt.imshow(img2, 'gray')plt.subplot(235), plt.axis('off'), plt.title("OTSU(T={})".format(ret2))plt.imshow(imgOtsu2, 'gray')plt.subplot(236), plt.axis('off'), plt.title("Moving threshold")plt.imshow(imgMoveThres2, 'gray')plt.tight_layout()plt.show()

（本节完）

---

版权声明：

youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/124400813)

Copyright 2022 youcans, XUPT
Crated：2022-4-25

欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列，持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列，持续更新中

【youcans 的 OpenCV 例程200篇】158. 阈值处理之固定阈值法
【youcans 的 OpenCV 例程200篇】159. 图像分割之全局阈值处理
【youcans 的 OpenCV 例程200篇】160. 图像处理之OTSU 方法
【youcans 的 OpenCV 例程200篇】161. OTSU 阈值处理算法的实现
【youcans 的 OpenCV 例程200篇】162. 全局阈值处理改进方法
【youcans 的 OpenCV 例程200篇】163. 基于边缘信息改进全局阈值处理
【youcans 的 OpenCV 例程200篇】164.使用 Laplace 边缘信息改进全局阈值处理
【youcans 的 OpenCV 例程200篇】165.多阈值 OTSU 处理方法
【youcans 的 OpenCV 例程200篇】166.自适应阈值处理
【youcans 的 OpenCV 例程200篇】167.基于移动平均的可变阈值处理
更多内容，请见：
【OpenCV 例程200篇 总目录-202206更新】