为什么图像二值化显示较差的结果？

Question

请参考this journal article。

第 4.1 节（预处理）的最后一段说，

将 [threshold = (mean + std dev)] 与 Otsu Thresholding 一起使用会得到以下结果，

.

而且，没有它们，我得到以下结果，

.

因此，我有三个问题，

(1) 我实现二进制阈值的主要问题是什么？

(2) 如果Otsu Threshold真的给出了很好的结果，为什么文章作者建议使用[threshold = (mean + std dev)]？

(3) 如何应用double 值作为 Otsu 的阈值？

---

源代码

Here is the GitHub repository.

源码中最相关的部分如下，

    private void thresholdButton_Click(object sender, EventArgs e)
    {
        Bitmap color = (Bitmap)this.inputImagePictureBox.Image;

        Bitmap temp = Grayscale.ToGrayscale((Bitmap)color.Clone());

        ImageStatistics imgStat = new ImageStatistics(temp);

        Histogram histogram = imgStat.Gray;

        double meanPlusStdDev = histogram.Mean + histogram.StdDev;

        OtsuThreshold otsu = new OtsuThreshold();

        int thres = otsu.getOtsuThreshold(temp);//////

        //otsu.Apply(temp, (int)meanPlusStdDev);

        otsu.Apply(temp, thres);

        thresholdedImagePictureBox.Image = temp;
    }

Answer 1

我只会回答 (2)。我还没有看到有人在全球范围内使用 mean + stdev，但是在应用局部自适应阈值技术时这很常见。因此，不是为整个图像计算一个阈值，而是根据它的邻域为每个像素计算一个阈值。在文章中描述的应用程序中会更有意义。具有局部均值（x，y）和局部标准差（x，y）的像素（x，y）的Niblack自适应阈值是：

均值(x,y) + k * stdev(x,y)

其中 k 是一个可调参数。它在文档二值化中非常常用。另一个常见的是

t * mean(x,y) + k * stdev(x,y)

您可以在其中调整局部均值和局部标准差阈值。 stdev 项的重点是赋予边缘权重。划痕始终是局部标准偏差较高的区域，因此使用与其相关的术语应该比简单的平均阈值更有效。

如果这些看起来很有趣，您还可以查看 Sauvola 算法，这是对 Niblack 算法的进一步修改。如果您想自己实现这些，请查看积分图像的概念。

Answer 2

1) 没有“问题”。您使用不同的阈值进行阈值化，然后得到不同的结果。

2) 没有找到全局阈值的通用方法，全局阈值可能是一个非常糟糕的解决方案。 mean/stdev 方法的一个微小优势是它留下了一个可调整的参数（在 stdev 前面的系数），这给实现者一种（错误的）控制感。

3) 我无法理解这个问题。阈值是整数，因为像素值是整数。