石鑫华视觉
IMAQ Local Threshold局部阈值函数
扩展阅读：
NI视觉助手之局部阈值Local Thresholding
http://labviewvision.com/thread-4954-1-1.html?fromuid=9
(出处: 机器视觉论坛)
局部阈值也是一种自动二值化方式。只不过此方法与全局自动阈值不同。全局自动阈值是计算整个图像中的灰度值，然后强度二值化的阈值。而局部阈值则是根据当前像素点周围的领域的灰度值来计算适合的阈值的。因此在一些照明不均匀的机器视觉与图像处理环境中，使用局部阈值要比手动阈值或自动阈值都强。
Method(Niblack)：局部阈值方法。可以使用Niblack尼布拉克算法和Background Correction Algorithm背景校正算法。
Look For（Bright Objects）：查找对象。默认为白色目标，也可以选择Black Objects黑色目标。
Windows Size：窗口尺寸。即窗口中的像素都将参与阈值计算。窗口越小，则细分的越厉害，针对不均匀的照明越好，但是这样会对噪声更敏感、处理也越耗时速度也越慢。默认为32×32像素。
Niblack Dviation Factor(0.2)：尼布拉克偏差系数。是尼布拉克算法的一个系数因子。此值越小，对光强度越敏感，可以应对更差的非均匀照明。此参数只针对尼布拉克算法。背景校正算法是无用的。
IMAQ Local Threshold局部阈值使用方法
上图为IMAQ Local Threshold局部阈值函数在LabVIEW中的使用方法。
Niblack尼布拉克局部阈值算法（偏差系数0.2）+白色目标+32×32窗口
Niblack尼布拉克局部阈值算法（偏差系数0.2）+黑色目标+32×32窗口
Niblack尼布拉克局部阈值算法（偏差系数0.5）+白色目标+32×32窗口
Niblack尼布拉克局部阈值算法（偏差系数0.2）+白色目标+64×64窗口
Background Correction Algorithm背景校正算法+白色目标+32×32窗口
Background Correction Algorithm背景校正算法+黑色目标+64×64窗口
局部阈值方法的查找对象相对比较简单，非白即黑。使用方法也比较简单，只有两种算法。可以逐个去试。窗口尺寸则相对比较麻烦一点。最好是可以多试几个窗口大小。这个窗口大小可以跟ROI关联起来，这样可以直接在图像显示窗口中画一个ROI出来。