平滑化フィルタは読んで字のごとく、画像の輝度値を平らに滑らかにするための手法です。
画像中のノイズを除去するために用いられます。
 |
→ |  |
 |
→ |  |
| 平滑化処理前 | 平滑化処理後 |
移動平均フィルタ（別名：平均化フィルタ、単に平滑化フィルタともいう）では、注目画素のその周辺の輝度値を用いて、
輝度値を平均し、処理後画像の輝度値とする手法です。
例えば、注目画素とその周辺の輝度値に以下のようなレートを掛け合わせて輝度値を求めます。
この３×３のレートの組合せの事をカーネル、オペレータ、マスクなどと言います。
とくに３×３である必要はなく、５×５の場合では
となります。
ただし、全てのレートを足し合わせて１になるように調整して下さい。
判別分析法【discriminant analysis method】は大津の二値化とも言われ、分離度（separation metrics）
という値が最大となるしきい値を求め、自動的に二値化を行う手法です。
分離度はクラス間分散（between-class variance）とクラス内分散（within-class variance）
との比で求める事ができ、以下の様に求めます。
しきい値 ｔ で二値化したとき、しきい値よりも輝度値が小さい側（黒クラス）の画素数をω1、
平均をm1、分散をσ1、輝度値が大きい側（白クラス）の画素数を画素数をω2、平均をm2、
分散をσ2、画像全体の画素数をωt、平均をmt、分散をσtとしたときクラス内分散σw2は
クラス間分散σb2は
としてあらわす事ができる。
ここで、全分散（total variance）σtは
としてあらわす事ができることから、求めるクラス間分散とクラス内分散との比である分離度は
となり、この分離度が最大となるしきい値 t を求めればよい。
ここで、全分散σtはしきい値に関係なく一定なので、クラス間分散σb2が最大となるしきい値を
求めればよい事が分かる。
さらにクラス間分散の式の分母もしきい値に関係なく一定なので、クラス間分散の分子
ω1 ω2 (m1 – m2)2
が最大となるしきい値 t を求めればよい。
結局、分散とか関係なく、黒、白それぞれの領域のヒストグラムから、画素数ωと輝度値の
平均値ｍから上記の値が最大となるしきい値 ｔ をしらみつぶしに求めればいいので、以外と簡単．．．
【処理例】
 |
→ |  |
 |
→ |  |
 |
→ |  |
上記例のように、判別分析法はおおむね良好な結果を得る事ができます。
Ｐタイル法【Percentile Method】は、画像の二値化したい領域が全画像の領域に占める割合をパーセント（％）で指定し二値化する手法です。
【処理例】
 |
 |
| Pタイル法処理前 |
Pタイル法処理後 （二値化する割合を２３％で指定） |
【処理アルゴリズム】
まず最初に画像のヒストグラムを取得します。 
このヒストグラムを見ると、輝度値でおおよそ１６０前後で二値化すると、目的の画像が得られそうな 事が分かります。
次にヒストグラムの輝度値が高い方から頻度を足していき、その頻度の合計が指定した割合を超える 輝度値をしきい値とし、二値化処理を行います。
実際の処理では、例えば画像サイズが６４０×４８０画素だとすると、全画素数は３０７，２００画素なので、 二値化する割合が２３％のときは２３％に相当する画素数は
３０７，２００ × ０．２３ ＝ ７０，６５６画素
なので、ヒストグラムの頻度を輝度値の高い方から（黒側の面積を指定する場合は低い方から）足していった時に７０，６５６画素を初めて超える輝度値を二値化のしきい値とします。 Ｐタイル法では、二値化する領域の大きさが一定の場合、画像の明るさが変動しても、二値化された 画像は変わらない事がメリットです。
一般にカメラから得られる画像の輝度値はカメラ本体の温度変化により変動し、ＬＥＤなどの照明も 長時間使用していると暗くなる傾向があるので、固定しきい値による二値化処理よりも安定的に 二値化処理を行うことが可能となります。 もっとも、二値化する領域の大きさの変動が大きい場合は不向きです。
二値化【Binarization】では画像の輝度値が指定した値（しきい値【Threshold】）以上の場合は白、値未満の場合は黒にする処理を行います。
 |
→ |  |
| 二値化処理前 | 二値化処理後 |
二値化処理では上図のように、しきい値付近に輝度値の変動がある場合、二値化処理を行うと点々とした画素が残ってしまうため、この場合は二値化処理を行う前に平滑化フィルタやメディアンフィルタなどのノイズ除去を行ってから二値化処理を行う場合が多くあります。 また、二値化処理を行うと画像の輝度値は白と黒しかないため、白の輝度値を１、黒の輝度値を０とし、１画素を１ビットであらわす事ができ、画像データサイズを小さくすることができるのですが、１画素を１ビットであらわすと各画素の輝度値の参照がかえって面倒になってしまうので、画像処理のプログラムでは白の輝度値を２５５、黒の輝度値を０として、１画素８ビット（１バイト）で扱う場合の方が一般的です。 （フォトレタッチ系のソフトでは１画素１ビットで扱う場合の方が多いと思います。）
【二値化処理の応用例】
など
【二値化プログラム例】
●効率の悪いプログラム例
for (j = 0; j < Height ; j++){
for ( i = 0; i < Width; i++){
//入力画像の輝度値の取得
Bright = pSrc[i + j * Width];
//二値化処理
if (Bright >= Threshold)
pDst[i + j * Width] = 255;
else
pDst[i + j * Width] =0;
}
}このプログラムでは画像の全画素をｉｆ文で処理しているので、非常に非効率です。 この部分はルックアップテーブルを用いて最適化します。 また、この例では二重ループを用いて画像の輝度値を二次元的に参照していますが、二値化処理では近傍画素を用いて処理を行わないので、画像データをただの一次元的な配列として捉えても構いません。 ということで、最適化したのが以下の例です。
●効率の良いプログラム例
unsigned char LUT[256] = {0};
//二値化ルックアップテーブルの作成
for ( i = Threshold; i < 256; i++)
LUT[i] = 255;
//二値化処理
for ( i = 0; i < Width * Height; i++)
pDst[i] = LUT[ pSrc[i] ];
各種、画像処理を下記に示します。
処理の名前の部分にリンクが張ってあるものは、より詳細な説明がありますので、そちらを参照願います。
| 処理前 | 処理後 |
| 二値化、Pタイル法、判別分析法（大津の二値化） | |
 |
 |
| 移動平均フィルタ（カーネルサイズ７×７） | |
 |
 |
| ガウシアンフィルタ（カーネルサイズ７×７） | |
|
 |
| メディアンフィルタ（カーネルサイズ７×７） | |
|
 |
| ソーベルフィルタ | |
|
 |
| Canny edge detection | |
 |
 |
| 細線化 | |
 |
 |
| ガンマ補正 | |
 |
 |
| アンシャープマスキング | |
 |
 |
| バイラテラルフィルタ | |
 |
 |
| 膨張 | |
 |
 |
| 収縮 | |
|
 |
| オープニング | |
|
 |
| クロージング | |
|
 |
| トップハット | |
|
 |
| ブラックハット（ボトムハット） | |
|
 |
| ラベリング | |
 |
 |
| 色変換（色相抽出） | |
 |
 |
| 疑似カラー | |
 |
 |
