照不均勻圖像的二值化方法國內(nèi)外研究現(xiàn)狀針對光照不均勻條件下圖像的二值化問題，國內(nèi)外許多學者和專家根據(jù)實際應(yīng)用環(huán)境提出了很多解決方法，這里做一下較為詳細的總結(jié)。目前針對光照不均勻圖像的二值化方法主要可分為三大類（1）對圖像進行分塊處理對圖像進行分塊處理主要應(yīng)用于圖像的光照分塊較為明確的情況。該方法先根據(jù)圖像的光照分布的情況進行正確的分塊，再對各個塊采用經(jīng)典的全局閾值二值化方法進行分割。目前主要的全局閾值法有：根據(jù)直方圖谷底確定閾值法、迭代選擇閾值法、最大類間方差（OSTU）法等。（2）對圖像背景光照進行預(yù)處理，使圖像灰度分布更均勻并增強圖像對比度對于光照不均勻的圖像，最常用的方法是先對圖像進行灰度變換使圖片的背景光照近似均勻，并增強圖像的對比度再考慮下一步處理如用經(jīng)典全局閾值方法進行處理等?；叶茸儞Q主要有以下幾種方法：利用直方圖進行灰度變換常用的直方圖變換方法有直方圖均衡化與直方圖規(guī)定化等。直方圖均衡化的過程就是對圖像通過某種灰度映射，從而使轉(zhuǎn)換后的圖像在每一灰度級上都有近似相同的像素點數(shù)。直方圖均衡化能使灰度動態(tài)范圍偏小的圖像轉(zhuǎn)變?yōu)閷Ρ榷容^高、圖像灰度動態(tài)范圍大，信息更加明確的圖像。直方圖規(guī)定化也是對圖像的灰度值的進行映射，但是這種映射過程可以認為地設(shè)定，使處理后的圖像具有特定形狀的直方圖。直方圖規(guī)定化可以增強人們感性趣的灰度范圍的對比度，從而增強了圖像的層次感，方便人們進行分析與處理。b)基于感知理論（Retinex理論）的增強方法Retinex算法的起源是人類的視覺神經(jīng)系統(tǒng)對自然界不同種類的色彩與光亮的感知機理，Retinex這個單詞本身即是視網(wǎng)膜（Retina)與大腦皮層（cortex）這兩個英文單詞的組合。Retinex算法的本質(zhì)是在對圖像背景光照進行補償運算基礎(chǔ)上對圖像進行增強的處理過程，這個算法的主要過程就是：設(shè)定圖像由兩個部分構(gòu)成，一個部分是圖像中物體的光亮亮度，是圖像頻率域中的低頻部分；另一部分是圖像中物體的反射亮度，是圖像頻率域中的高頻部分，分別用和表示。與、的關(guān)系可由式(1.1)來表示：（1.1）在實際應(yīng)用中，處理過程使用到的Retinex算法其根本目的就是將圖像的亮度分量從圖像本身中正確有效地提取出來，為了達到這一目的，有許多學者與專家做了許多有意義的探索，較成熟的有基于單尺度的Retinex算法，基于多尺度Retinex算法、基于小波理論的Retinex算法等。c)基于圖像梯度值的增強方法一幅光照不均勻的圖像在它的梯度場表現(xiàn)為不均勻的梯度值的分布。以實際圖像為例，如果圖像清晰，動態(tài)范圍較大，易于人們辨認，那么該圖像的整體梯度值大；如果得到的圖像模糊，對比度小，許多信息不易于人們辨認，那么該圖像的整體梯度值小，所以可以通過一定的手段來改變圖像的梯度值的分布從而對圖像進行增強。d)背景估計法恢復光照不均勻圖像背景估計法主要有利用開運算進行背景估計和多項式擬合背景方法。（3）經(jīng)典的局部閾值法局部閾值法是根據(jù)圖像中的每一個像素點與其鄰域像素點的灰度值變化來設(shè)定閾值，進而逐點進行二值化的方法。經(jīng)典的局部閾值算法有Bernsen算法、Niblack算法和Sauvola算法、Chow和Kaneko算法等。但這些算法對圖片逐點計算，計算量很大，運算時間隨著圖片的增大往往是幾何倍數(shù)的增加。上述三種常用的方法都存在各自的不足：（1）第一類方法是在光照分塊較為明確的條件下才適用，對于不存在明顯的灰度值分界的圖片則失效。（2）第二類方法中的全局直方圖均衡化法能夠增強圖像的整體對比度，但是該方法只對圖像的像素灰度較低并且圖像整體動態(tài)范圍較小的情況才適用，而且直方圖均衡化方法本身僅是基于圖像的像素灰度值分布的方法，并沒有考慮圖像的頻率分布這一要素；Retinex算法并不是一種自適應(yīng)的算法，它需要根據(jù)不同的圖片情況設(shè)置不同的相關(guān)參數(shù)，而且該算法對于圖像的處理常常出現(xiàn)光暈現(xiàn)象，對光照分布較復雜的圖像處理效果很差；基于圖像梯度信息的方法中需要在梯度場中進行圖像重建，這一過程需要較復雜的算法通常較難實現(xiàn)，而且對該方法對圖像中亮度急劇變化的部分處理效果較差；背景估計法對背景相對簡單的圖像處理效果較好，但是對背景比較復雜的圖像，經(jīng)常產(chǎn)生過估計或欠估計，往往容易產(chǎn)生較多的噪聲與有效目標的損失。（3）第三類方法