一种快速图像阈值处理技术
在机器视觉中，阈值处理可能是最基本的一种图像处理。阈值处理需要遍历每一帧的每一个像素以达到检测物体的目的。如果我们能够使这种遍历更加快速，那么CPU将有更多的时间处理其他任务。这篇文章将介绍一种快速阈值处理技术--减少遍历时间的方法。
常规方法：
阈值处理的常规方法中，我们遍历每一个通道的每一个像素值是否处于一定范围内。伪代码如下：
if (redcomponent > somevalue1 &&
redcomponent < somevalue2 &&
greencomponent > somevalue3 &&
greencomponent < somevalue4 &&
bluecomponent > somevalue5 &&
bluecomponent < somevalue6)
{
// Do something (like mark it as white)
}这种方法的缺陷是：它进行了六次比较----太多了。另一个缺陷是分子太多了，需要处理器经常跳转处理分支。如下图所示，表示的是RGB三通道进行比较的常规方法：
新方法：
之前的方法主要问题是对每一个通道进行了两次比较。但是每一次比较总是固定的数值进行比较。比如，对于红色通道而言，比较范围总是从value1到value2。因此，我们有如下方法：
我们可以创建一个拥有256个元素的数组或查找表。把value1到value2的范围设置为1，其他index的值设置为0，类似的，其他两个通道也是可以这样处理的。如下图所示：
现在，假设需要判断某一个像素的灰度值大小是否在某一范围内，我们可以使用如下伪代码表示：
if(table_red[redcomponent] &&
table_green[greencomponent] &&
table_blue[bluecomonent])
{
// do something
}
假如红色通道的某一像素灰度值在value1到value2之间，table的值将为1，否则为0.类似的，其他两个通道也是这样处理。如果颜色在正确的范围内，判断条件总为真。因此，你可以把相应的像素做任何你想做的事。
很简单不是。典型的空间换时间的方法。在OpenCV中已经使用了这种技术，并利用相应的处理器指令提高阈值处理速度了。其他领域可以借鉴下。
实验结果：
使用常规方和OpenCV所使用的新方法，对比结果如下：
| Image size (pixels) | Standard (ms) | Super fast method (ms) |
|---|---|---|
| 73902 | 1.278624 | 0.394651 |
| 636000 | 5.791450 | 2.213925 |
| 1555200 | 13.664513 | 5.687084 |
从对比结果可以看出来，新方法将近有300%的的提速。
参考资料：