计算机科学与探索 ›› 2015, Vol. 9 ›› Issue (2): 234-241.DOI: 10.3778/j.issn.1673-9418.1409012
唐 涛+,覃 晓,易宗剑,韩冬越
TANG Tao+, QIN Xiao, YI Zongjian, HAN Dongyue
摘要: 在机器视觉和模式识别的研究中,将图像变换为二值图像是能够更高效识别图像中的特定区域或者目标的关键。提出了一种基于k中心点聚类算法的图像二值化方法(image binarization k-medoids-based clustering,IBkMC)。该方法使用基于距离的平方和误差作为聚类质量度量,根据图像二值化的领域知识将k的值取为2,自然地将图像分为前景类和背景类两类。实验结果证明,针对复杂环境下的自然图像,该方法在效果和效率上优于OSTU(最大类间方差)阈值化方法。