求助这种图形用什么方法二值化比较好

Question

原始图为左图，现在我用二值化后的图像为右图。
我希望的是二值化后取到的是左图中红色线包含的区域，就是要提取图像中人体器官的部份。
有什么好的方法能区分出背景和人体部分灰度值接近的方法

Answer 1

cvcanny()试试

Answer 2

可以试试OSTU2自动阈值切割法Mat Otsu2D(Mat srcimage)
{
double Histogram[256][256];        //建立二维灰度直方图
double TrMax = 0.0;                //用于存储矩阵的迹（矩阵对角线之和）
int height = srcimage.rows;        //矩阵的行数
int width = srcimage.cols;         //矩阵的列数
int N = height*width;              //像素的总数
int T;                             //最终阈值
uchar *data = srcimage.data;
for (int i = 0; i < 256; i++)
{
for (int j = 0; j < 256; j++)
{
Histogram[i][j] = 0;      //初始化变量
}
}
for (int i = 0; i < height; i++)
{
for (int j = 0; j < width; j++)
{
int Data1 = data[i*srcimage.step + j];         //获取当前灰度值
int Data2 = 0;                           //用于存放灰度的平均值
for (int m = i - 1; m <= i + 1; m++)
{
for (int n = j - 1; n <= j + 1; n++)
{
if ((m >= 0) && (m < height) && (n >= 0) && (n < width))
Data2 += data[m*srcimage.step + n];//邻域灰度值总和
}
}
Data2 = Data2 / 9;
Histogram[Data1][Data2]++;                  //记录（i,j）的数量
}
}
for (int i = 0; i < 256; i++)
{
for (int j = 0; j < 256; j++)
{
Histogram[i][j] /= N;     //归一化的每一个二元组的概率分布
}
} double S[256];                     //统计前i行概率的数组
double N1[256];                    //统计遍历过程中前景区i分量的值
double N2[256];                    //统计遍历过程中前景区j分量的值
S[0] = 0;
N1[0] = 0;
N2[0] = 0;
for (int i = 1; i < 256; i++)
{
double x = 0, n1 = 0, n2 = 0;
for (int j = 0; j < 256; j++)
{
x += Histogram[i - 1][j];
n1 += ((i - 1)*Histogram[i - 1][j]); //遍历过程中前景区i分量的值
n2 += (j*Histogram[i - 1][j]); //遍历过程中前景区j分量的值
}
S[i] = x + S[i - 1];
N1[i] = n1 + N1[i - 1];
N2[i] = n2 + N2[i - 1];
} double Pai = 0.0;    //全局均值向量i分量 panorama(全景)
double Paj = 0.0;    //全局均值向量j分量
int Threshold_s = 0; //阈值s
int Threshold_t = 0; //阈值t
int M = 0;           //中间变量
double temp = 0.0;   //存储矩阵迹的最大值
double num3 = 0.0;   //遍历过程中背景区i分量的值
double num4 = 0.0;   //遍历过程中背景区j分量的值
double Fgi = 0.0;    //前景区域均值向量i分量
double Fgj = 0.0;    //前景区域均值向量j分量
double Bgi = 0.0;    //背景区域均值向量i分量
double Bgj = 0.0;    //背景区域均值向量j分量
for (int i = 0; i<256; i++)
{
for (int j = 0; j < 256; j++)
{
Pai += i*Histogram[i][j];   //全局均值向量i分量计算
Paj += j*Histogram[i][j];   //全局均值向量j分量计算
}
}
for (int i = 0; i < 256; i++)
{
double w0 = 0.0;     //前景区域联合概率密度
double w1 = 0.0;     //背景区域联合概率密度
double num1 = 0.0;   //遍历过程中前景区i分量的值         与w0一样做相关处理
double num2 = 0.0;   //遍历过程中前景区j分量的值 if (i >= 1)
{
w0 += S[i - 1];
num1 += N1[i - 1];
num2 += N2[i - 1];
}
for (int j = 0; j < 256; j++)
{
w0 += Histogram[i][j];        //前景的概率
num1 += i*Histogram[i][j];    //遍历过程中前景区i分量的值
num2 += j*Histogram[i][j];    //遍历过程中前景区j分量的值
w1 = 1 - w0;                  //背景的概率
num3 = Pai - num1;            //遍历过程中背景区i分量的值
num4 = Paj - num2;            //遍历过程中背景区j分量的值
}
Fgi = num1 / w0;
Fgj = num2 / w1;
Bgi = num3 / w0;
Bgj = num4 / w1;
TrMax = ((w0*Pai - num1)*(w0*Pai - num1) + (w0*Paj - num2)*(w0*Paj - num2)) / (w0*w1);
if (TrMax > temp)
{
temp = TrMax;
Threshold_s = i;
}
}
T = Threshold_s;
Mat dst;
cv::threshold(srcimage, dst, Threshold_s, 255, 0);    //进行阈值分割
return dst.clone();}

Answer 3

    cv::Mat result;
cv::Mat image = cv::imread("e:\\Untitled.bmp"); cv::imshow("1", image); threshold(image, result, 55, 255, cv::THRESH_TOZERO);
cv::imshow("2", result);
cv::waitKey();