簡述
針對背景單一,光照不均勻的圖像,先求出圖片的亮度背景,用原圖減去背景,得出前景內容。
常見的圖像二值化算法大致可認爲全局閾值方法和局部閾值方法兩種類型,其中OTSU是全局閾值的代表,而Sauvola算法是局部閾值方法的標杆。
Sauvola算法的輸入時灰度圖像,它以當前像素點爲中心,根據當前像素點的鄰域內的灰度均值與標準方差來動態計算該像素點的閾值。
核心公式
R鄰域內的灰度均值與標準方差:
該點的閾值:
k:修正參數 0<k<1
通過調大窗口的尺寸可以適應更大的前景目標,由此帶來計算量大大增加。
缺陷:當前景存在大面積單一顏色,則容易導致前景中間部分被識別爲背景,故該方法最適用於不均勻光照下的文本圖像二值化。
參考
https://blog.csdn.net/u013162930/article/details/47755363
https://blog.csdn.net/wfh2015/article/details/80418336