Otsu法和二值化有什么区别吗，可以直接使用二值化吗，更加简单

目前在看otsu，有疑惑

博客园找到的解释

看的是这段----铣刀刀口破损缺陷检测----

*****************************************************************************第一 图像预处理********************************************************

1. *读取一张图像
   
2. read_image(Image,'1.bmp')
   
3. 
   
4. *对图像的灰度值在0到255范围内拉伸
   
5. scale_image_max (Image, ImageScaleMax)
   
6. 
   
7. *反选像素的位
   
8. bit_not (ImageScaleMax, ImageNot)
   
9. 
   
10. *生成一个椭圆元素
    
11. gen_disc_se (SE, 'byte', 45,45, 0)
    
12. 
    
13. *黑帽运算，分割比临近暗的区域
    
14. gray_bothat (ImageNot, SE, ImageBotHat)
    
15. 
    
16. *生成ROI1
    
17. gen_rectangle1 (ROI_0, 574.119, 268.867, 644.104, 337.728)
    
18. *生成ROI2
    
19. gen_rectangle1 (TMP_Region, 87.9029, 783.297, 179.989, 809.627)
    
20. *合并两个ROI
    
21. union2 (ROI_0, TMP_Region, ROI_0)
    
22. *生成ROI3
    
23. gen_rectangle1 (TMP_Region, 743.558, 937.222, 839.327, 997.981)
    
24. *合并ROI
    
25. union2 (ROI_0, TMP_Region, ROI_0)
    
26. *将合并ROI区域的图像剪切
    
27. reduce_domain (ImageBotHat, ROI_0, TemplateImage)
    
28. 
    
29. *设置区域填充方式
    
30. dev_set_draw ('margin')
    
31. *获取图像的数据，类型，高度，宽度
    
32. get_image_pointer1 (TemplateImage, Pointer, Type, Width, Height)
    
33. *显示图像
    
34. dev_display (TemplateImage)

复制代码

*****************************************************************************第二 自动寻找最佳阈值********************************************************

1. * 最大方差初始化为0
   
2. MaxVariance := 0.0
   
3. * 最佳分割灰度阈值从1遍历到255,初始阈值的选取可以取图像平均灰度值
   
4. for ImgThreshold := 1 to 255 by 1
   
5.     dev_display (TemplateImage)
   
6.     * 前景区域分割
   
7.     threshold (TemplateImage, Region, ImgThreshold, 255)
   
8.     * 获得前景区域像素个数
   
9.     area_center (Region, Area, Row, Column)
   
10.     * 获得前景区域均值和方差
    
11.     intensity (Region,TemplateImage, Mean, Deviation)
    
12.    
    
13.     *对前景区域进行反选
    
14.     complement (Region, RegionComplement)
    
15.     *获取背景区域的面积和坐标
    
16.     area_center (RegionComplement, Area1, Row1, Column1)
    
17.     *获得背景区域像素个数、均值和方差
    
18.     intensity (RegionComplement,TemplateImage, Mean1, Deviation1)
    
19.     * 计算类间方差
    
20.     Otsu := Area*1.0/[Width*Height]*Area1*1.0/[Width*Height]*pow(Mean-Mean1,2)
    
21.     * 获取最大类间方差最佳阈值
    
22.     if (Otsu>MaxVariance)
    
23.         MaxVariance := Otsu
    
24.         BestThreshold := ImgThreshold
    
25.     endif
    
26. endfor
    
27. dev_display (TemplateImage)
    
28. dev_set_color ('green')
    
29. dev_set_draw ('fill')

复制代码

*****************************************************************************第三 分割缺陷目标********************************************************

1. * 阈值操作,选取高亮目标,即为缺陷
   
2. threshold (TemplateImage, Region1, BestThreshold, 255)
   
3. * 对缺陷区域进行连通处理
   
4. connection(Region1, ConnectedRegions)
   
5. * 根据面积过滤出大的缺陷
   
6. select_shape (ConnectedRegions, SelectedRegions1, 'area', 'and', 261.07, 1971)
   
7. * 填充缺陷内部间隙
   
8. fill_up(SelectedRegions1, RegionFillUp)
   
9. * 显示图像
   
10. dev_display(Image)
    
11. * 显示缺陷区域
    
12. dev_display(RegionFillUp)
    
13. 
    
14. stop()

复制代码

自动找合适的threshold

OSTU即大津法，常用于自动阈值分割，相对于固定阈值的优势就是，成像不是很稳定的情况下提取前景或背景区域的适应性更强，但是它只能用于提取前景或者背景区域，不能提取非0~非255间的灰度范围，而固定阈值则对这种不稳定的情况适应性差，但是它的提取方式更自由。

学习了

学习了