做视觉的同学应该都有这种体会一套流程里最不起眼的二值化往往决定了整个系统的上限。OCR识别率上不去、缺陷检测误报率高、边缘提取出来断成一截一截排查到最后多半是二值化参数没选对或者方法选死了一张图打天下。图像二值化说白了就是把灰度图变成纯黑白的图像素值要么是0要么是255没有中间态。这一步能大幅压缩数据量突出目标区域同时把光照、噪声等干扰因素按阈值斩断。但“怎么斩”这件事不同场景的答案完全不一样全局阈值、局部自适应、双阈值、边缘引导各有各的适用边界。这篇文章我给做图像处理的朋友们做一次完整的方案汇总从原理到Matlab落地包含Otsu公式推导、自适应阈值实现、边缘检测和二值化联动这些常见的组合打法每个方法都会说清楚什么时候用、什么时候会翻车。1. 二值化到底在解决什么问题1.1 为什么几乎所有视觉任务都避不开二值化二值化在很多成熟框架里只占一两行代码但它的作用不是“顺便做一下”而是把后续所有算法的输入空间大幅简化。拿OCR举例文字识别的核心是基于笔画结构的特征提取如果输入是256个灰度级光照稍微变一下同一个字符的像素分布就会差异巨大但转成二值图之后笔画就是1背景就是0光照变化只影响阈值的位置不影响最终拓扑结构。缺陷检测也是同样的逻辑。我做过的电池极片表面缺陷项目里划痕和背景的灰度差异其实很小但转成二值图后用连通域分析缺陷区域的面积、长宽比、质心这些特征一下就变得非常稳定。如果不做二值化直接拿灰度图做阈值分割或者边缘检测光照波动带来的伪轮廓会把结果淹没掉。另外二值化之后的图像可以天然压缩存储。一个像素只需要1 bit配合游程编码或者CCITT压缩一张A4文档扫描图可以从几MB压到几十KB这在文档归档和传真系统里是刚需。很多早年间的图像处理库都默认二值化是预处理第一步就是这个道理。所以不管你是做算法的还是做工程的二值化都不是可以随便糊弄过去的环节。方法选错了后面的去噪、分割、识别全都会跟着遭殃。1.2 二值化的数学本质与像素分布视角从数学上看二值化就是一个从灰度空间到二值空间的映射。设原图像素灰度为 f(x,y)阈值为 T输出为 g(x,y)规则就是g(x,y) 255或1当 f(x,y) ≥ Tg(x,y) 0当 f(x,y) T这个形式看起来简单但真正的难点集中在两个问题上第一T 取多少合适第二这个 T 是全图共用一份还是每个像素各自算一份。所有二值化方法的差异本质上就是这两个问题的答案不同。从像素分布视角看理想的二值化场景是灰度直方图呈“双峰”形态前景一个峰背景一个峰两峰之间有明显谷底。这时把 T 取在谷底位置分割效果就很好。但现实中的图像往往不是这样的光照不均匀会让直方图的峰变宽、漂移噪声会让谷底消失目标和背景的灰度范围甚至会发生重叠。这也是为什么需要那么多二值化方法来应对不同情况。理解这一点之后后面所有方法的思路就清晰了——全局阈值就是找“一个最优谷底”自适应阈值就是“每个局部区域各找一个谷底”边缘引导是在“灰度突变处”做文章。2. 全局阈值法简单粗暴但依然能打2.1 固定阈值什么时候能用什么时候会翻车固定阈值是最原始的做法事先定一个 T比如127然后全图统一按这个值划分。它的优势只有一个——快。计算量几乎为零实时性要求极高的场景里只要条件允许我会优先考虑它。但它的限制也最明显对光照变化极其敏感。同一张工件图上午拍和下午拍环境光变了固定阈值的结果可能就天差地别。我在做工业检测时吃过这个亏一开始图省事用固定阈值结果产线灯管老化之后整批误报排查了很久才发现问题出在阈值上——不是算法逻辑错了而是阈值没跟上环境变化。所以固定阈值只适合两种场景一是成像条件严格可控比如扫描仪、暗箱拍照二是你的目标区域灰度范围和目标背景差异非常大比如红外热像图里的高温目标怎么拍都是“亮得发白”对“暗得发黑”。其他场景至少要上个自动阈值。2.2 Otsu大津法自动求阈值的经典思路Otsu法也叫大津法是全局自动阈值里最常用的方法没有之一。它的核心思想是把像素按候选阈值分成前景和背景两类然后让这两类的类间方差最大。类间方差越大说明两类之间的分离程度越高前景和背景的灰度差异就越明显。类间方差的计算公式是σ² ω₀ω₁(μ₀ - μ₁)²其中 ω₀ 和 ω₁ 分别是前景和背景像素占比μ₀ 和 μ₁ 是这两类的灰度均值。按灰度值从0到255依次遍历每个灰度值都算一遍这个公式找出使 σ² 最大的灰度值就是Otsu选出的最优阈值。当年我在Matlab里手写Otsu时特别喜欢用这个公式来验证自己对算法的理解。实操上Matlab里一行 graythresh() 就能拿到归一化的阈值然后用 imbinarize() 完成二值化。但在OpenCV里则是 cv2.threshold(img, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU)这两种写法接的底层都是同一个逻辑。Otsu的优势是自适应强适合直方图有双峰特征的图。但遇到目标和背景面积差很悬殊的情况——比如一张图里只有极小一块缺陷其余全是背景——它会倾向把阈值推到灰度均值附近导致目标被直接吃掉。这种时候就需要类别加权或者换局部方法。2.3 迭代法一个容易被忽略的替代方案除了Otsu全局自动阈值还有一个经典方案叫迭代法也叫均值阈值法。它比Otsu简单一点但理解起来更直观先取一个初始阈值比如全图灰度均值。用这个阈值把图分成前景和背景各自算灰度均值。取这两个均值的中值作为新阈值。重复第二步直到阈值变化小于一个很小的值。这个方法收敛速度很快通常几十次迭代就稳定了而且在目标和背景灰度分布比较均匀的图像上效果和Otsu差不多。但它在直方图偏斜严重的时候容易收敛到局部最优稳定性没有Otsu好。我自己一般把它当作Otsu的对照实验用来验证阈值选得是否合理。3. 局部自适应应对光照不均的正确姿势3.1 为什么全局方法在复杂光照下会失效全局阈值方法有一个共同前提光照在全图范围内是均匀的。但现实世界的图像很少满足这个条件。比如拍一张A4纸文档灯在左上方纸张右边可能比左边暗很多再比如摄像机视角下有圆形物体光照在物体表面会形成渐变中心和边缘的亮度差异很大。这种情况下你用Otsu算一个全局阈值得到的通常是个“折中值”亮区域的暗部被误判成背景暗区域的亮部被误判成前景输出图像像被揉碎了一样啥也看不清。我在做书本扫描图像矫正时遇到过非常典型的案例——书脊附近有阴影整行文字里靠近书脊的部分被二值化后完全断掉OCR把“图像”识别成“口口”。后来换成自适应阈值断字问题直接消失了。局部自适应阈值的思路就是全图不要一个阈值而是每个像素都有一个属于自己的阈值这个阈值由它周围一个邻域窗口内的像素统计特性决定。所以这种方法能天然适应光照的局部变化。3.2 均值自适应与高斯自适应的原理与实现自适应阈值的计算方式是对每个像素取它周围一块邻域比如15×15或31×31计算这块邻域的灰度均值再减去一个常数偏移量C得到的值就是这个像素的阈值。如果当前像素值大于这个阈值输出前景否则输出背景。这里“怎么算邻域均值”有两种常见变体均值自适应邻域内所有像素直接求平均权重相等。高斯自适应邻域内的像素按距离远近给不同权重距离中心越近权重越大权重由高斯分布决定。高斯自适应的效果通常比均值好一点因为它更尊重中心像素的实际灰度不会因为邻域边缘出现噪声点而大幅波动。但高斯计算涉及卷积核速度会稍慢一点。在Matlab里实现自适应阈值有一个非常高效的方式先对原图做均值滤波或高斯滤波得到背景估计然后用原图减去背景估计最后和偏移常数C比较。核心代码就几行我在后面Matlab实操部分详细展开。3.3 分块思路的变体除了逐像素计算的自适应阈值还有一种“分块”的思路把图像划分成若干个矩形块每个块内单独计算一个阈值块内所有像素共用这个阈值块与块之间再做平滑过渡避免出现块状痕迹。这种方式比逐像素计算快得多适合嵌入式设备上跑实时检测因为块内统计可以用积分图快速完成运算量大幅下降。我之前的项目里如果检测目标本身的尺寸比较大比如金属表面的较大划痕分块阈值比逐像素自适应更容易稳定因为每个块内的统计量更充足不容易被局部噪声带偏。但如果块大小设置得不合适目标正好横跨两个块就会出现同一目标被不同阈值切成两半的情况。这时要注意块与块之间的重叠率一般建议块重叠50%以上能让过渡更平滑。4. 特殊场景与进阶技巧4.1 双阈值处理把“不确定”区域单独处理双阈值法在工程里用得非常巧妙。它设定两个阈值 T1 和 T2T1 T2然后分成三种状态像素值低于 T1 的确定是背景高于 T2 的确定是前景介于两者之间的标记为“不确定”。下一步根据相邻像素的归属来决定这些不确定像素的最终类别。这个方法在处理边缘模糊、噪声较多的图像时非常好用。举个例子拍一张在强光下褪色的文档墨迹边缘会形成一圈渐变单阈值怎么选都会让笔画变粗或者断裂。用双阈值高阈值保住笔画核心低阈值框住可能的外围区域再通过判定保留那些和有把握前景相连的模糊像素最后得到的二值图结构明显更完整。Matlab实现双阈值时常见做法是用两次imbinarize分别取高阈值和低阈值再做一次像素级的连通性判定也可以用edge函数得到的边缘图作为辅助。双阈值最典型的应用是Canny边缘检测它内部就是用了双阈值和滞后连接这也是为什么Canny提取的边缘比其他算子更连续。4.2 边缘检测与二值化联动近期在图像处理相关的热词里“二值化图像边缘检测matlab”被频繁搜索说明很多朋友在实际做课题时是把二值化和边缘检测放在一起考虑的。这个方向确实值得展开说因为这两步是天然联动的。第一种组合思路是“先边缘后二值化”先对灰度图做边缘检测比如用Sobel、Canny提取出目标轮廓然后把边缘响应图再做二值化从而得到二值化的边缘图。这个思路在工业测量里特别常用因为测量目标的尺寸往往依赖边缘的位置精度Canny的边缘图再经过二值化能同步得到目标轮廓的二值掩模。第二种思路是“先二值化后边缘检测”先做二值分割得到目标区域再对二值图用形态学梯度或Sobel提取边缘。这种方式提取到的边缘比直接从灰度图提取更干净因为背景噪声已经在二值化阶段被滤除了。但代价是边缘的位置会受二值化精度影响如果阈值选得偏大目标边缘会向内收缩半像素到一像素测量精度要求高时要注意校正。第三种是“边缘引导二值化”先用边缘检测找到灰度突变位置把这些位置对应的灰度值作为候选阈值或者用边缘图作为权重引导自适应阈值的计算。这种方式在医学影像分割里比较常见因为医学图像对比度低、噪声大直接二值化要么漏掉细小的解剖结构要么把组织内部噪声当成分割边界边缘引导可以在一定程度上兼顾细节和连续。4.3 形态学后处理二值化之后结果很少是完美的大部分情况下都需要形态学操作来打磨。最常见的问题有三种目标内部有小孔洞、目标边缘有毛刺、背景中有孤立噪点。对应的方法是闭运算、开运算和中值滤波。闭运算是先膨胀后腐蚀可以填充目标内部的细小孔洞同时基本保持目标面积不变。开运算是先腐蚀后膨胀可以去掉目标边缘的细小突起分离轻微粘连的目标。这两个操作在Matlab里有现成函数imclose和imopen结构元素常选3×3或5×5的圆盘或矩形。我在做PCB板检测时孔洞问题特别多导线上的噪音点会让连通域分析出现大量伪目标。后来每次二值化之后固定加一轮用3×3圆盘结构元素的闭运算孔洞和断线问题减少了一大半。需要注意的坑是结构元素选太大小目标会被直接抹掉所以要根据你关注目标的最小尺寸来选一般不超过目标最小宽度的三分之一。5. Matlab实操从函数到手写实现5.1 快速上手graythresh和imbinarize的组合如果你用Matlab做二值化最顺手的组合就是 imbinarize graythresh。标准写法是img imread(document.jpg); if size(img, 3) 3 img rgb2gray(img); end level graythresh(img); bw imbinarize(img, level); imshow(bw);这里 graythresh 返回的是归一化阈值范围在0到1之间直接传给 imbinarize 即可。如果需要自定义阈值imbinarize 也接受第二个参数直接传0到1的数值比如 imbinarize(img, 0.6)。如果从Matlab 2017a之后的版本imbinarize函数还能直接指定自适应阈值法bwAdaptive imbinarize(img, adaptive, ForegroundPolarity, bright, Sensitivity, 0.4);这里的 Sensitivity 参数需要特别说明一下它是自适应阈值的灵敏度系数取值范围是0到1越大越容易把像素判为前景。实际调试时我建议不要一次调到位而是用0.1的步长遍历一遍把每个值对应的二值图都存下来对比。在不同光照条件下同一张图最合适的 Sensitivity 可能差出0.2以上所以如果项目里的图像照明环境会变化这个参数最好做成可配置项。5.2 手写Otsu与自适应阈值手写一遍Otsu对理解它的原理非常有帮助。下面这份代码没有用额外的图像处理库只依赖基本的图像数据操作适合放在教学和面试准备里function T myOtsu(img) counts imhist(img); totalPix numel(img); sumAll sum((0:255) .* counts); sumB 0; weightB 0; maxVar 0; T 0; for t 0:255 weightB weightB counts(t1); if weightB 0, continue; end weightF totalPix - weightB; if weightF 0, break; end sumB sumB t * counts(t1); meanB sumB / weightB; meanF (sumAll - sumB) / weightF; varBetween weightB * weightF * (meanB - meanF)^2; if varBetween maxVar maxVar varBetween; T t; end end end逻辑和前面公式完全对应。写这段代码时有两个容易出错的地方一是 counts 数组索引是从1开始的而灰度值是0到255所以取 counts 时要加1二是循环里 weightF 可能为0要提前 break否则会出现除零。自适应阈值手写也不复杂。Matlab里可以用 imfilter 或者 imgaussfilt 做局部均值或高斯均值然后比较原图和滤波结果的差值img im2double(imread(text.png)); se fspecial(average, [31 31]); localMean imfilter(img, se, replicate); c 0.06; bw img (localMean - c); imshow(bw);这里 imfilter 用的均值核是31×31C取0.06这两个值的搭配需要根据图像分辨率调整。图像分辨率越高目标的笔画宽度越大窗口就要相应变大C也要适度增大否则会把暗背景中的纹理误判出来。我最初在一张600 DPI扫描图上用的是21×21窗口效果还行换到300 DPI就明显变差把窗口改成41×41才恢复所以每次切换分辨率我都会重新校验这两个参数。5.3 结合边缘检测的完整实验下面这个例子是一个完整的“二值化边缘检测”联动流程适合做文档边缘提取或工件轮廓提取的参考% 读取灰度图 img imread(workpiece.png); if size(img, 3) 3 img rgb2gray(img); end % 步骤1自适应二值化 bwAdaptive imbinarize(img, adaptive, Sensitivity, 0.35); % 步骤2形态学闭运算填补断口 bwClose imclose(bwAdaptive, strel(disk, 3)); % 步骤3提取最大连通域去掉小噪点 bwClean bwareafilt(bwClose, 1, largest); % 步骤4边缘提取 edgeMap edge(bwClean, Canny); imshowpair(bwAdaptive, edgeMap, montage);这里用到了 bwareafilt 来提取最大连通域这个函数在目标比较单一的场景下非常好用能一步干掉大部分噪声。步骤4里对二值图做Canny边缘提取输出的是连续的边缘线非常适合直接用于后续的霍夫变换直线检测或者尺寸测量。整个流程跑下来你会发现边缘图比直接对灰度图做Canny得到的边缘要干净得多因为它先通过二值化把背景噪声滤掉了Canny算子只需要在目标内部和边缘处起作用误检率大幅降低。但如果目标表面存在纹理或者反光二值化之后纹理区域可能会形成新的伪边缘这时候需要在步骤2和3中间再插入一个面积阈值过滤把面积过小的连通域全部删掉。6. 方法对比与避坑指南6.1 不同方法的适用场景对照表我把常用的几种方法整理成了对照表方便做方案选型时直接查方法适用场景不适用场景复杂度典型应用固定阈值光照恒定、目标背景差异大光照变化、灰度重叠极低扫描文档、暗箱图像Otsu全局阈值直方图双峰明显、目标背景面积接近目标极小、光照不均低通用自动分割迭代均值法灰度分布均匀的图像直方图偏斜严重低对比实验、算法教学均值自适应光照渐变、阴影、亮度不均高噪声、窗口尺寸难定中文档拍照、场景文字高斯自适应光照不均且纹理丰富大目标、速度要求高中高复杂背景文字提取分块阈值大尺寸目标、实时处理目标边界跨块中嵌入式检测、工业视觉双阈值边缘模糊、渐变边界阈值区间难定中Canny边缘、医学影像表格看下来你会发现一个规律方法越复杂适用的场景越宽但需要调的参数也越多。做项目时我的原则是先从Otsu开始跑一遍看效果效果不行再上自适应自适应还不行再考虑双阈值或边缘引导组合。不要一上来就直接用最高级的方法因为参数调起来的成本往往比算法本身的差距影响更大。6.2 实战中常见的坑与排查经验第一个高频坑是灰度化方式选择不当。很多人拿到彩色图直接rgb2gray但RGB转灰度的加权系数是针对自然图像的如果是屏幕截图、UI界面、彩色文档这类图像某些通道的信息可能更有用。比如蓝底白字的界面直接转灰度可能对比度很低但只取蓝色通道再二值化效果反而更好。所以在做二值化之前先观察一下三个通道各自的直方图选对比度最高的通道这一步比在二值化算法上死磕更有效。第二个坑是滤波和二值化的顺序。我记得有段时间做工业零件检测怎么调阈值结果都有一层细小的颗粒噪声。后来发现是图像本身有高频噪点低频信息被淹没。先做高斯滤波再做二值化噪声问题直接消失。但要注意滤波核太大会让边缘变模糊建议高斯核的sigma不超过目标最小尺寸的三分之一。第三个坑是连通域的后处理。二值化结果里经常会有一些面积很小的连通域它们可能是噪点也可能是真正的小目标。直接用 bwareafilt 或者面积阈值把它们删掉有可能误删有效信息。更稳妥的做法是加一个“面积形状”的双重约束例如面积大于某个阈值同时主轴长度大于宽度的1.5倍才保留。这种方式在细长划痕和圆形噪点的区分上特别有效我多次靠这个技巧保住了真正想检测的缺陷。第四个坑是C值的调整逻辑。自适应阈值里的C很多人不理解它的作用以为只是随意设置的偏移。实际上它控制的是“判定为前景的严苛程度”。C越大阈值越低越容易把像素判为前景结果就是目标变粗、噪声变多C越小则相反。如果你的文字笔画出现断裂试着把C往小的方向调如果目标周围出现一圈光晕一样的多余白色就往大的方向调。这个参数在不同的光照条件下通常需要变化我一般把C设置为动态值让它随邻域标准差变化能自适应噪声水平。最后一个坑也是我最想提醒的二值化结果一定要用人眼抽查。别以为算法输出的二值图自动就是对的。很多项目里你可能花了两天调了一套完美的参数结果换了批次材料表面反光特性变了整个二值化效果就失效了。所以我会在每次调参之后至少抽检几十张不同条件下的图像确认没有系统性偏差才敢把参数固化成正式版本。写在最后图像二值化看起来是图像处理里最基础的一步但“基础”不意味着简单。它前面连着成像质量后面连着特征提取和识别的成败一个阈值选错整套流程的精度就会崩塌。我个人在实际项目里最大的体会是不要想着一劳永逸地找一个万能阈值或者万能算法。每换一批图像都要重新看一眼直方图、跑一遍对比实验把方法选择和参数调整当成常规流程而不是一次性工作。这套方法汇总里的每一种思路我都踩过对应的坑也靠它们解决过实际问题。你遇到的具体图像可能比我的更复杂但只要按照“先全局后局部、先简单后复杂、先参数后算法”的顺序去排查大部分二值化问题都能在半小时内定位到原因。
图像二值化方法全解析：从Otsu到自适应阈值与Matlab实战
做视觉的同学应该都有这种体会一套流程里最不起眼的二值化往往决定了整个系统的上限。OCR识别率上不去、缺陷检测误报率高、边缘提取出来断成一截一截排查到最后多半是二值化参数没选对或者方法选死了一张图打天下。图像二值化说白了就是把灰度图变成纯黑白的图像素值要么是0要么是255没有中间态。这一步能大幅压缩数据量突出目标区域同时把光照、噪声等干扰因素按阈值斩断。但“怎么斩”这件事不同场景的答案完全不一样全局阈值、局部自适应、双阈值、边缘引导各有各的适用边界。这篇文章我给做图像处理的朋友们做一次完整的方案汇总从原理到Matlab落地包含Otsu公式推导、自适应阈值实现、边缘检测和二值化联动这些常见的组合打法每个方法都会说清楚什么时候用、什么时候会翻车。1. 二值化到底在解决什么问题1.1 为什么几乎所有视觉任务都避不开二值化二值化在很多成熟框架里只占一两行代码但它的作用不是“顺便做一下”而是把后续所有算法的输入空间大幅简化。拿OCR举例文字识别的核心是基于笔画结构的特征提取如果输入是256个灰度级光照稍微变一下同一个字符的像素分布就会差异巨大但转成二值图之后笔画就是1背景就是0光照变化只影响阈值的位置不影响最终拓扑结构。缺陷检测也是同样的逻辑。我做过的电池极片表面缺陷项目里划痕和背景的灰度差异其实很小但转成二值图后用连通域分析缺陷区域的面积、长宽比、质心这些特征一下就变得非常稳定。如果不做二值化直接拿灰度图做阈值分割或者边缘检测光照波动带来的伪轮廓会把结果淹没掉。另外二值化之后的图像可以天然压缩存储。一个像素只需要1 bit配合游程编码或者CCITT压缩一张A4文档扫描图可以从几MB压到几十KB这在文档归档和传真系统里是刚需。很多早年间的图像处理库都默认二值化是预处理第一步就是这个道理。所以不管你是做算法的还是做工程的二值化都不是可以随便糊弄过去的环节。方法选错了后面的去噪、分割、识别全都会跟着遭殃。1.2 二值化的数学本质与像素分布视角从数学上看二值化就是一个从灰度空间到二值空间的映射。设原图像素灰度为 f(x,y)阈值为 T输出为 g(x,y)规则就是g(x,y) 255或1当 f(x,y) ≥ Tg(x,y) 0当 f(x,y) T这个形式看起来简单但真正的难点集中在两个问题上第一T 取多少合适第二这个 T 是全图共用一份还是每个像素各自算一份。所有二值化方法的差异本质上就是这两个问题的答案不同。从像素分布视角看理想的二值化场景是灰度直方图呈“双峰”形态前景一个峰背景一个峰两峰之间有明显谷底。这时把 T 取在谷底位置分割效果就很好。但现实中的图像往往不是这样的光照不均匀会让直方图的峰变宽、漂移噪声会让谷底消失目标和背景的灰度范围甚至会发生重叠。这也是为什么需要那么多二值化方法来应对不同情况。理解这一点之后后面所有方法的思路就清晰了——全局阈值就是找“一个最优谷底”自适应阈值就是“每个局部区域各找一个谷底”边缘引导是在“灰度突变处”做文章。2. 全局阈值法简单粗暴但依然能打2.1 固定阈值什么时候能用什么时候会翻车固定阈值是最原始的做法事先定一个 T比如127然后全图统一按这个值划分。它的优势只有一个——快。计算量几乎为零实时性要求极高的场景里只要条件允许我会优先考虑它。但它的限制也最明显对光照变化极其敏感。同一张工件图上午拍和下午拍环境光变了固定阈值的结果可能就天差地别。我在做工业检测时吃过这个亏一开始图省事用固定阈值结果产线灯管老化之后整批误报排查了很久才发现问题出在阈值上——不是算法逻辑错了而是阈值没跟上环境变化。所以固定阈值只适合两种场景一是成像条件严格可控比如扫描仪、暗箱拍照二是你的目标区域灰度范围和目标背景差异非常大比如红外热像图里的高温目标怎么拍都是“亮得发白”对“暗得发黑”。其他场景至少要上个自动阈值。2.2 Otsu大津法自动求阈值的经典思路Otsu法也叫大津法是全局自动阈值里最常用的方法没有之一。它的核心思想是把像素按候选阈值分成前景和背景两类然后让这两类的类间方差最大。类间方差越大说明两类之间的分离程度越高前景和背景的灰度差异就越明显。类间方差的计算公式是σ² ω₀ω₁(μ₀ - μ₁)²其中 ω₀ 和 ω₁ 分别是前景和背景像素占比μ₀ 和 μ₁ 是这两类的灰度均值。按灰度值从0到255依次遍历每个灰度值都算一遍这个公式找出使 σ² 最大的灰度值就是Otsu选出的最优阈值。当年我在Matlab里手写Otsu时特别喜欢用这个公式来验证自己对算法的理解。实操上Matlab里一行 graythresh() 就能拿到归一化的阈值然后用 imbinarize() 完成二值化。但在OpenCV里则是 cv2.threshold(img, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU)这两种写法接的底层都是同一个逻辑。Otsu的优势是自适应强适合直方图有双峰特征的图。但遇到目标和背景面积差很悬殊的情况——比如一张图里只有极小一块缺陷其余全是背景——它会倾向把阈值推到灰度均值附近导致目标被直接吃掉。这种时候就需要类别加权或者换局部方法。2.3 迭代法一个容易被忽略的替代方案除了Otsu全局自动阈值还有一个经典方案叫迭代法也叫均值阈值法。它比Otsu简单一点但理解起来更直观先取一个初始阈值比如全图灰度均值。用这个阈值把图分成前景和背景各自算灰度均值。取这两个均值的中值作为新阈值。重复第二步直到阈值变化小于一个很小的值。这个方法收敛速度很快通常几十次迭代就稳定了而且在目标和背景灰度分布比较均匀的图像上效果和Otsu差不多。但它在直方图偏斜严重的时候容易收敛到局部最优稳定性没有Otsu好。我自己一般把它当作Otsu的对照实验用来验证阈值选得是否合理。3. 局部自适应应对光照不均的正确姿势3.1 为什么全局方法在复杂光照下会失效全局阈值方法有一个共同前提光照在全图范围内是均匀的。但现实世界的图像很少满足这个条件。比如拍一张A4纸文档灯在左上方纸张右边可能比左边暗很多再比如摄像机视角下有圆形物体光照在物体表面会形成渐变中心和边缘的亮度差异很大。这种情况下你用Otsu算一个全局阈值得到的通常是个“折中值”亮区域的暗部被误判成背景暗区域的亮部被误判成前景输出图像像被揉碎了一样啥也看不清。我在做书本扫描图像矫正时遇到过非常典型的案例——书脊附近有阴影整行文字里靠近书脊的部分被二值化后完全断掉OCR把“图像”识别成“口口”。后来换成自适应阈值断字问题直接消失了。局部自适应阈值的思路就是全图不要一个阈值而是每个像素都有一个属于自己的阈值这个阈值由它周围一个邻域窗口内的像素统计特性决定。所以这种方法能天然适应光照的局部变化。3.2 均值自适应与高斯自适应的原理与实现自适应阈值的计算方式是对每个像素取它周围一块邻域比如15×15或31×31计算这块邻域的灰度均值再减去一个常数偏移量C得到的值就是这个像素的阈值。如果当前像素值大于这个阈值输出前景否则输出背景。这里“怎么算邻域均值”有两种常见变体均值自适应邻域内所有像素直接求平均权重相等。高斯自适应邻域内的像素按距离远近给不同权重距离中心越近权重越大权重由高斯分布决定。高斯自适应的效果通常比均值好一点因为它更尊重中心像素的实际灰度不会因为邻域边缘出现噪声点而大幅波动。但高斯计算涉及卷积核速度会稍慢一点。在Matlab里实现自适应阈值有一个非常高效的方式先对原图做均值滤波或高斯滤波得到背景估计然后用原图减去背景估计最后和偏移常数C比较。核心代码就几行我在后面Matlab实操部分详细展开。3.3 分块思路的变体除了逐像素计算的自适应阈值还有一种“分块”的思路把图像划分成若干个矩形块每个块内单独计算一个阈值块内所有像素共用这个阈值块与块之间再做平滑过渡避免出现块状痕迹。这种方式比逐像素计算快得多适合嵌入式设备上跑实时检测因为块内统计可以用积分图快速完成运算量大幅下降。我之前的项目里如果检测目标本身的尺寸比较大比如金属表面的较大划痕分块阈值比逐像素自适应更容易稳定因为每个块内的统计量更充足不容易被局部噪声带偏。但如果块大小设置得不合适目标正好横跨两个块就会出现同一目标被不同阈值切成两半的情况。这时要注意块与块之间的重叠率一般建议块重叠50%以上能让过渡更平滑。4. 特殊场景与进阶技巧4.1 双阈值处理把“不确定”区域单独处理双阈值法在工程里用得非常巧妙。它设定两个阈值 T1 和 T2T1 T2然后分成三种状态像素值低于 T1 的确定是背景高于 T2 的确定是前景介于两者之间的标记为“不确定”。下一步根据相邻像素的归属来决定这些不确定像素的最终类别。这个方法在处理边缘模糊、噪声较多的图像时非常好用。举个例子拍一张在强光下褪色的文档墨迹边缘会形成一圈渐变单阈值怎么选都会让笔画变粗或者断裂。用双阈值高阈值保住笔画核心低阈值框住可能的外围区域再通过判定保留那些和有把握前景相连的模糊像素最后得到的二值图结构明显更完整。Matlab实现双阈值时常见做法是用两次imbinarize分别取高阈值和低阈值再做一次像素级的连通性判定也可以用edge函数得到的边缘图作为辅助。双阈值最典型的应用是Canny边缘检测它内部就是用了双阈值和滞后连接这也是为什么Canny提取的边缘比其他算子更连续。4.2 边缘检测与二值化联动近期在图像处理相关的热词里“二值化图像边缘检测matlab”被频繁搜索说明很多朋友在实际做课题时是把二值化和边缘检测放在一起考虑的。这个方向确实值得展开说因为这两步是天然联动的。第一种组合思路是“先边缘后二值化”先对灰度图做边缘检测比如用Sobel、Canny提取出目标轮廓然后把边缘响应图再做二值化从而得到二值化的边缘图。这个思路在工业测量里特别常用因为测量目标的尺寸往往依赖边缘的位置精度Canny的边缘图再经过二值化能同步得到目标轮廓的二值掩模。第二种思路是“先二值化后边缘检测”先做二值分割得到目标区域再对二值图用形态学梯度或Sobel提取边缘。这种方式提取到的边缘比直接从灰度图提取更干净因为背景噪声已经在二值化阶段被滤除了。但代价是边缘的位置会受二值化精度影响如果阈值选得偏大目标边缘会向内收缩半像素到一像素测量精度要求高时要注意校正。第三种是“边缘引导二值化”先用边缘检测找到灰度突变位置把这些位置对应的灰度值作为候选阈值或者用边缘图作为权重引导自适应阈值的计算。这种方式在医学影像分割里比较常见因为医学图像对比度低、噪声大直接二值化要么漏掉细小的解剖结构要么把组织内部噪声当成分割边界边缘引导可以在一定程度上兼顾细节和连续。4.3 形态学后处理二值化之后结果很少是完美的大部分情况下都需要形态学操作来打磨。最常见的问题有三种目标内部有小孔洞、目标边缘有毛刺、背景中有孤立噪点。对应的方法是闭运算、开运算和中值滤波。闭运算是先膨胀后腐蚀可以填充目标内部的细小孔洞同时基本保持目标面积不变。开运算是先腐蚀后膨胀可以去掉目标边缘的细小突起分离轻微粘连的目标。这两个操作在Matlab里有现成函数imclose和imopen结构元素常选3×3或5×5的圆盘或矩形。我在做PCB板检测时孔洞问题特别多导线上的噪音点会让连通域分析出现大量伪目标。后来每次二值化之后固定加一轮用3×3圆盘结构元素的闭运算孔洞和断线问题减少了一大半。需要注意的坑是结构元素选太大小目标会被直接抹掉所以要根据你关注目标的最小尺寸来选一般不超过目标最小宽度的三分之一。5. Matlab实操从函数到手写实现5.1 快速上手graythresh和imbinarize的组合如果你用Matlab做二值化最顺手的组合就是 imbinarize graythresh。标准写法是img imread(document.jpg); if size(img, 3) 3 img rgb2gray(img); end level graythresh(img); bw imbinarize(img, level); imshow(bw);这里 graythresh 返回的是归一化阈值范围在0到1之间直接传给 imbinarize 即可。如果需要自定义阈值imbinarize 也接受第二个参数直接传0到1的数值比如 imbinarize(img, 0.6)。如果从Matlab 2017a之后的版本imbinarize函数还能直接指定自适应阈值法bwAdaptive imbinarize(img, adaptive, ForegroundPolarity, bright, Sensitivity, 0.4);这里的 Sensitivity 参数需要特别说明一下它是自适应阈值的灵敏度系数取值范围是0到1越大越容易把像素判为前景。实际调试时我建议不要一次调到位而是用0.1的步长遍历一遍把每个值对应的二值图都存下来对比。在不同光照条件下同一张图最合适的 Sensitivity 可能差出0.2以上所以如果项目里的图像照明环境会变化这个参数最好做成可配置项。5.2 手写Otsu与自适应阈值手写一遍Otsu对理解它的原理非常有帮助。下面这份代码没有用额外的图像处理库只依赖基本的图像数据操作适合放在教学和面试准备里function T myOtsu(img) counts imhist(img); totalPix numel(img); sumAll sum((0:255) .* counts); sumB 0; weightB 0; maxVar 0; T 0; for t 0:255 weightB weightB counts(t1); if weightB 0, continue; end weightF totalPix - weightB; if weightF 0, break; end sumB sumB t * counts(t1); meanB sumB / weightB; meanF (sumAll - sumB) / weightF; varBetween weightB * weightF * (meanB - meanF)^2; if varBetween maxVar maxVar varBetween; T t; end end end逻辑和前面公式完全对应。写这段代码时有两个容易出错的地方一是 counts 数组索引是从1开始的而灰度值是0到255所以取 counts 时要加1二是循环里 weightF 可能为0要提前 break否则会出现除零。自适应阈值手写也不复杂。Matlab里可以用 imfilter 或者 imgaussfilt 做局部均值或高斯均值然后比较原图和滤波结果的差值img im2double(imread(text.png)); se fspecial(average, [31 31]); localMean imfilter(img, se, replicate); c 0.06; bw img (localMean - c); imshow(bw);这里 imfilter 用的均值核是31×31C取0.06这两个值的搭配需要根据图像分辨率调整。图像分辨率越高目标的笔画宽度越大窗口就要相应变大C也要适度增大否则会把暗背景中的纹理误判出来。我最初在一张600 DPI扫描图上用的是21×21窗口效果还行换到300 DPI就明显变差把窗口改成41×41才恢复所以每次切换分辨率我都会重新校验这两个参数。5.3 结合边缘检测的完整实验下面这个例子是一个完整的“二值化边缘检测”联动流程适合做文档边缘提取或工件轮廓提取的参考% 读取灰度图 img imread(workpiece.png); if size(img, 3) 3 img rgb2gray(img); end % 步骤1自适应二值化 bwAdaptive imbinarize(img, adaptive, Sensitivity, 0.35); % 步骤2形态学闭运算填补断口 bwClose imclose(bwAdaptive, strel(disk, 3)); % 步骤3提取最大连通域去掉小噪点 bwClean bwareafilt(bwClose, 1, largest); % 步骤4边缘提取 edgeMap edge(bwClean, Canny); imshowpair(bwAdaptive, edgeMap, montage);这里用到了 bwareafilt 来提取最大连通域这个函数在目标比较单一的场景下非常好用能一步干掉大部分噪声。步骤4里对二值图做Canny边缘提取输出的是连续的边缘线非常适合直接用于后续的霍夫变换直线检测或者尺寸测量。整个流程跑下来你会发现边缘图比直接对灰度图做Canny得到的边缘要干净得多因为它先通过二值化把背景噪声滤掉了Canny算子只需要在目标内部和边缘处起作用误检率大幅降低。但如果目标表面存在纹理或者反光二值化之后纹理区域可能会形成新的伪边缘这时候需要在步骤2和3中间再插入一个面积阈值过滤把面积过小的连通域全部删掉。6. 方法对比与避坑指南6.1 不同方法的适用场景对照表我把常用的几种方法整理成了对照表方便做方案选型时直接查方法适用场景不适用场景复杂度典型应用固定阈值光照恒定、目标背景差异大光照变化、灰度重叠极低扫描文档、暗箱图像Otsu全局阈值直方图双峰明显、目标背景面积接近目标极小、光照不均低通用自动分割迭代均值法灰度分布均匀的图像直方图偏斜严重低对比实验、算法教学均值自适应光照渐变、阴影、亮度不均高噪声、窗口尺寸难定中文档拍照、场景文字高斯自适应光照不均且纹理丰富大目标、速度要求高中高复杂背景文字提取分块阈值大尺寸目标、实时处理目标边界跨块中嵌入式检测、工业视觉双阈值边缘模糊、渐变边界阈值区间难定中Canny边缘、医学影像表格看下来你会发现一个规律方法越复杂适用的场景越宽但需要调的参数也越多。做项目时我的原则是先从Otsu开始跑一遍看效果效果不行再上自适应自适应还不行再考虑双阈值或边缘引导组合。不要一上来就直接用最高级的方法因为参数调起来的成本往往比算法本身的差距影响更大。6.2 实战中常见的坑与排查经验第一个高频坑是灰度化方式选择不当。很多人拿到彩色图直接rgb2gray但RGB转灰度的加权系数是针对自然图像的如果是屏幕截图、UI界面、彩色文档这类图像某些通道的信息可能更有用。比如蓝底白字的界面直接转灰度可能对比度很低但只取蓝色通道再二值化效果反而更好。所以在做二值化之前先观察一下三个通道各自的直方图选对比度最高的通道这一步比在二值化算法上死磕更有效。第二个坑是滤波和二值化的顺序。我记得有段时间做工业零件检测怎么调阈值结果都有一层细小的颗粒噪声。后来发现是图像本身有高频噪点低频信息被淹没。先做高斯滤波再做二值化噪声问题直接消失。但要注意滤波核太大会让边缘变模糊建议高斯核的sigma不超过目标最小尺寸的三分之一。第三个坑是连通域的后处理。二值化结果里经常会有一些面积很小的连通域它们可能是噪点也可能是真正的小目标。直接用 bwareafilt 或者面积阈值把它们删掉有可能误删有效信息。更稳妥的做法是加一个“面积形状”的双重约束例如面积大于某个阈值同时主轴长度大于宽度的1.5倍才保留。这种方式在细长划痕和圆形噪点的区分上特别有效我多次靠这个技巧保住了真正想检测的缺陷。第四个坑是C值的调整逻辑。自适应阈值里的C很多人不理解它的作用以为只是随意设置的偏移。实际上它控制的是“判定为前景的严苛程度”。C越大阈值越低越容易把像素判为前景结果就是目标变粗、噪声变多C越小则相反。如果你的文字笔画出现断裂试着把C往小的方向调如果目标周围出现一圈光晕一样的多余白色就往大的方向调。这个参数在不同的光照条件下通常需要变化我一般把C设置为动态值让它随邻域标准差变化能自适应噪声水平。最后一个坑也是我最想提醒的二值化结果一定要用人眼抽查。别以为算法输出的二值图自动就是对的。很多项目里你可能花了两天调了一套完美的参数结果换了批次材料表面反光特性变了整个二值化效果就失效了。所以我会在每次调参之后至少抽检几十张不同条件下的图像确认没有系统性偏差才敢把参数固化成正式版本。写在最后图像二值化看起来是图像处理里最基础的一步但“基础”不意味着简单。它前面连着成像质量后面连着特征提取和识别的成败一个阈值选错整套流程的精度就会崩塌。我个人在实际项目里最大的体会是不要想着一劳永逸地找一个万能阈值或者万能算法。每换一批图像都要重新看一眼直方图、跑一遍对比实验把方法选择和参数调整当成常规流程而不是一次性工作。这套方法汇总里的每一种思路我都踩过对应的坑也靠它们解决过实际问题。你遇到的具体图像可能比我的更复杂但只要按照“先全局后局部、先简单后复杂、先参数后算法”的顺序去排查大部分二值化问题都能在半小时内定位到原因。
