一种超级快速的图像二值化技术

在计算机视觉中，对图像进行二值化恐怕是最常见的操作了。为了检测目标，可能需要对每一帧图像的每一个像素点进行运算。如果能提升二值化的速度，那么，你的算法的效率就会大大的提高。本文，将介绍一种超级快速的图像二值化技术。

要解决的问题：

                

                    图3d-space-in-thresholding1.jpg 

 

如图3d-space-in-thresholding1.jpg所示，需要把彩色图像中，

(1)R通道介于(smoevalue1,somevalue2)

(2)G通道介于(somevalue3,somevalue4),

(3)B通道介于(somevalue5,somevalue6)，

当图像中某个像素点同时满足上面3个条件时，将该像素点置为白色，否则置为黑色

 

（1）常用方法介绍

常用的二值化方法，需要判断每一个通道的值是否在某个范围之内。伪代码如下：

if (redcomponent > somevalue1 &&

    redcomponent < somevalue2 &&

    greencomponent > somevalue3 &&

    greencomponent < somevalue4 &&

    bluecomponent > somevalue5 &&

    bluecomponent < somevalue6)

{

    // 将该像素点置为白色

}

else

{

将该像素点置为黑色

}

 

问题是，每个像素点的判断，需要6次比较操作，太复杂了。

 

（2）新方法

方法（1）中，对每一个通道都需要比较两次。为了提高速度，需要减少比较次数。

为B、G、R三个通道，每个通道创建一个大小为256的数组。该数组中的初始值，

例如R通道的数组，其在somevalue1到somevalue2，数组中的值是1，其他都是0；

G通道的数组，其在somevalue3到somevalue4，数组中的值是1，其他都是0；

B通道的数组，其在somevalue5到somevalue6，数组中的值是1，其他都是0。

如图tables.jpg所示：

                                                         

现在，如果要判断某个像素点应该标记为白色还是为黑色，只需要查询数组即可。伪代码如下：

if(table_red[redcomponent] &&

    table_green[greencomponent] &&

    table_blue[bluecomonent])

{

    // 将该像素点置为白色

}

else

{

将该像素点置为黑色

}

如果redcomponent的值介于(smoevalue1,somevalue2)，那么table_red[redcomponent]=1，如果不在这个范围，那么table_red[redcomponent]=0.其他两个通道的值，也是同理。所以，如果条件（table_red[redcomponent] && table_green[greencomponent] && table_blue[bluecomonent]）成立，就表示满足问题中的那3个条件。

 

（3）对方法2的扩展

在方法2中，数组中只保存1或者0，这只需要一个bit 就ok了，如果上述的数组是int型（假设是32位），那么只是用了一个bit，还有31个bit没有是用，那么，其他的31个bit都可以表示一种颜色，就可以实现同时处理32种颜色了。

 

（4）效率的对比

图像大小（像素点个数）  方法1(ms)   方法2(ms)

73902                    1.278624    0.394651

636000                   5.791450    2.213925

1555200                  13.664513   5.687084

 

通过实验，可以发现，方法2的速度快了300%。如果是用SIMD指令，速度会更快。

总评：典型的空间换时间 简单实用 不错

转自：