本研究探讨了在复杂光照条件下，基于动态程序包(DPM)的图像自适应多阈值分割方法。

简介：
在复杂的工作条件下，CCD相机捕捉到的DPM（Direct Part Mark）工业二维码图像，由于受到光照的影响，常常会出现大面积的光斑或阴影区域，进而导致DPM区域信息的缺失，最终使识别变得困难。为了解决这一问题，本文提出了一种基于分段直方图凹度分析的多阈值自适应分割算法。该算法首先在灰度直方图平滑处理的基础上，识别出一系列局部峰值，并利用这些峰值进行直方图的分段操作，随后通过递推计算的方式确定每分段区域的下凹处的分割阈值。此外，通过引入一种基于阈值点局部区域信息的修正因子，使得分割阈值的变化更加灵活和适应性更强，从而更好地适用于局部对比度较低的环境。实验结果表明，所提出的方法在图像分割方面的效果显著优于传统的阈值分割算法，并且其平均运行效率比最快的多阈值分割算法提高了17.75倍。经过自适应局部阈值分割处理后，DPM图像中复杂的光照区域所包含的信息得到了增强和补充，为后续的对象识别提供了坚实的基础。值得一提的是，该方法同样可以应用于具有对比度变化的图像增强任务。