Ch03 BinaryImageAnalysis - En.vi

Translated from English to Vietnamese - www.onlinedoctranslator.
com
3-1 Chương 3 - Hình ảnh nhị phân
Chương 3
Phân tích hình ảnh nhị phân
Bastian Leibe, Đại học RWTH Aachen
Khoa Cơ điện tử
Hình ảnh nhị phân
• Chỉ hai giá trị pixel

• Tiền cảnh và hậu cảnh
• Khu vực quan tâm (ROI)
3-3 NS n
chương 3 - Hình ảnh nhị phân
Sử dụng: Kiểm tra công nghiệp
R. Nagarajan và cộng sự. “Một kế hoạch kiểm tra đánh dấu thời gian thực cho các ngành công nghiệp bán dẫn”, 2006
Sử dụng: Phân tích tài liệu, nhận dạng văn bản
Chữ số viết tay
Tự nhiên văn bản (sau khi phát hiện)
Tài liệu đã quét
4
Khoa Cơ điện tử Nguồn: Till Quack, Martin Renold
Sử dụng: Dữ liệu y tế / sinh học
Nguồn: D. Kim và cộng sự, Cytometry 35 (1), 1999
3-6 NS ha l yNStôi Hình
MộtPter 3 NSảnh nhị phân
-
Sử dụng: Theo dõi khối & Chuyển động An

Khung khác biệt
- =
Nguồn: Kristen Grauman
Phép trừ nền
- =
Nguồn: Tobias Jäggli
3-7 Po n NS hình ảnh inary
Chapter tôi 3- NS
Sử dụng: Phân tích hình dạng, Chế độ xem tự do
Băng hình
NS
Trục trung gian
3-8 Ch NS ertôi
ap n o ảnh nhị phân
3 - Hình
NS
Sử dụng: Detec dựa trên cường độ
• Tìm kiếm các điểm ảnh tối…
fg_pix = find (im <65);
Sử dụng: Phát hiện dựa trên màu sắc
• Tìm kiếm các pixel trong một dải màu nhất định…
fg_pix = find (hue> t1 & hue <t2);
Vấn đề
• Làm thế nào để phân định ranh giới

nhiều khu vực quan tâm?
Đếm đối tượng
Tính toán thêm các tính năng cho mỗi đối tượng
• Làm gì với đầu ra nhị

phân "ồn ào"?
Hố
Các mảnh nhỏ bổ sung
Đề cương của bài giảng hôm nay
• Chuyển hình ảnh thành dạng nhị phân

Ngưỡng
• Dọn dẹp hình ảnh được ngưỡng

Toán tử hình thái
• Trích xuất các đối tượng riêng lẻ

Ghi nhãn các thành phần được kết nối
Ngưỡng
• Hình ảnh thang độ xám ⇒ Mặt nạ nhị phân
• NS các biến thể khác nhau

NS, ,

, ≥
O n, es = id e
sided
, , ≤ , ≤

NS , wo- =

NS e, tme NS
= NS,, e NS NS
NS ,
tôi ∈
P
Nguồn hình ảnh: http://homepages.inf.ed.ac.uk/rbf/HIPR2/
Ngưỡng
Ngưỡng
• Tải cây
• Binary_Image = Gray_Image. ThresholdBinary (Xám mới (120), Xám
mới (255));
Chọn ngưỡng
• Kịch bản điển hình
Tách một đối tượng khỏi một nền riêng biệt
• Cố gắng tách các phân phối giá trị màu xám khác nhau
Phân vùng một biểu đồ hai phương thức
Phù hợp với phân phối tham số (ví dụ: Hỗn hợp Gaussian)
Ngưỡng động hoặc cục bộ
• Trong sau đây, tôi sẽ trình bày một số phương pháp đơn giản.
Một trường hợp tốt: Biểu đồ cường độ hai chân
Biểu đồ lý tưởng, đối tượng

sáng trên nền tối
Thực tế quan sát

biểu đồ có nhiễu
Những trường hợp không đẹp như vậy…
• Làm thế nào để tách những cái đó?
Hai chế độ riêng biệt Chế độ chồng chéo Nhiều chế độ
• Trong trường hợp chung, lựa chọn ngưỡng rất khó

Kiến thức miền thường hữu ích
Ví dụ: Phần văn bản trên một trang tài liệu (biểu đồ lượng tử)
Vd: Kích thước của các đối tượng / phần tử cấu trúc
3-18 9
Chđúng cách]
er 3 - Hình ảnh nhị phân
Tài trợ toàn cầu [Otsu'7

• Tìm kiếm ngưỡng NS điều đó giảm thiểu lớp bên trong
phương sai σ ở trong của hai lớp cách nhau bởi NS
σ ở2trong ( T) = W 0(
22
NS) σ 0 ( T) + W 1 ( NS) σ 1 ( NS)
NS - 1
Ở đâu: W 0 ( T) = ∑ số Pi) số Pi): xác suất của thang độ xám tôi
và
tôi = 0
L-1
L: thùng của biểu đồ
W 1 ( T) = ∑ số Pi) µ: trung bình của lớp
i=T
• Điều này cũng giống như tối đa hóa giữa lớp v ariance
σ giữa
NS - 1
∑ ip (i)
σ giữa
2 ( T) = σ
- σ 2 2
( NS) µ0( T) = tôi = 0
ở trong W 0 ( NS)
L-1
= W0(T) W 1(T) [ µ 0( NS) - µ 1( NS)] 2 ∑ ip (i)

µ 1 ( T) = i = T
W 1 ( NS)
3-19 9
Chđúng cách]

Hình ảnh thang độ xám 6 cấp và biểu đồ của nó
Khoa Cơ điện tử http://www.labbookpages.co.uk/software/imgProc/otsuThreshold.html

Tài trợ toàn cầu [Otsu'79]
3-21 9
Chđúng cách]
Kết quả của phương pháp Otsu
Hình ảnh thang độ xám 6 cấp và biểu đồ của nó
• Một cách tiếp cận nhanh hơn
Thuật toán
• Tính toán trước một biểu đồ giá trị màu xám tích lũy NS.
Đối với mỗi ngưỡng tiềm năng NS
1.) Tách các pixel thành hai cụm theo NS
2.) Tra cứu W 0 và W 1 trong NS và tính toán cả hai phương
tiện cụm µ 0 và µ 1.
3.) Máy tính σ 2 giữa
Mã nguồn
Các hiệu ứng
greythresh - Ngưỡng hình ảnh toàn cầu sử dụng phương pháp của Otsu
3-24 NS ha 6
sốpte]
8 r 3 - Hình ảnh nhị phân
Tài trợ cục bộ [Niblack '

• Ước tính ngưỡng cục bộ trong một vùng lân cận nhỏ
ở đâu k ∈ [- 1,1] là một tham số do người

dùng xác định.
• Phiên bản được cải tiến để loại bỏ tiếng ồn xung quanh để mã

hóa tài liệu [Sauvola'00]
Hữu ích cho văn bản,

nhưng không phải đối với các đối tượng lớn hơn
ở đâu NS là phạm vi động của σ và k> 0
Giá trị điển hình: R = 128 cho hình ảnh 8 bit và k ≈ 0,5
Mã nguồn
Các hiệu ứng

CvInvoke .cvAdaptiveThreshold (Gray_Image,
Binary_Image, 255,
Emgu.CV.CvEnum. ADAPTIVE_THRESHOLD_TYPE .CV_
ADAPTIVE_THRESH_GAUSSIAN_C,
Emgu.CV.CvEnum. THRESH
.CV_THRESH_BINARY, win_size, 0,5);
Ngưỡng toàn cầu lựa chọn (Otsu)
Ảnh gốc
CvInvoke .cvAdaptiveThreshold (Gray_Image,
Binary_Image, 255,
Emgu.CV.CvEnum. ADAPTIVE_THRESHOLD_TYPE .CV_
ADAPTIVE_THRESH_MEAN_C,
Emgu.CV.CvEnum. THRESH .CV_THRESH_BINARY, Ngưỡng cục bộ s
bầu cử (Niblack)
win_size, 0,5);
Các hiệu ứng

greythresh - Ngưỡng hình ảnh toàn cầu sử dụng phương pháp của Otsu
I = imread ('coins.jpg');
cấp độ = greythresh (I);
BW = im2bw (I, mức);
Imshow (BW)
Ngưỡng toàn cầu (Otsu)
Ảnh gốc
CvInvoke .cvThreshold (Gray_Image,
Binary_Image, 1, 255,
Emgu.CV.CvEnum. THRESH .CV_THRESH_BINARY |
Emgu.CV.CvEnum. THRESH .CV_THRESH_OTSU); Ngưỡng cục bộ (Niblack)
3-27 NS NS 3 - Hình ảnh nhị phân
chương
Cải tiến bổ sung

• Hình ảnh tài liệu thường chứa một gradient mịn
⇒ Cố gắng điều chỉnh độ dốc đó với một hàm đa thức
Ảnh gốc Bề mặt được trang bị
Bù bóng Kết quả nhị phân

Nguồn: S. Lu & C. Tan, ICDAR'07
3-28 NS onNS
hapter 3 - Hình ảnh nhị phân
Hình vuông ít nhất và Projecti

• Chúng tôi muốn vừa với một đường thẳng y = c + dx vào dữ liệu (0,
1), (1, 4), (2, 2), (3, 5). Điều này có nghĩa là chúng ta phải tìm c
và d thỏa mãn các phương trình
c+d·0=1
c+d·1=4
c+d·2=2
c+d·3=5
3- 29 gần
tôi bình phương nhỏ nhất sử dụng phương trình bình thường
Chương 3 - Hình ảnh nhị phân
Ax = b
A là ma trận m × n với m> n.
tối thiểu hóa định mức || Rìu - b ||
Ax - b phải là một vectơ trực giao với không

gian cột của A. Điều này có nghĩa là, một cách rõ
ràng, Ax - b vuông góc với mỗi cột của A.
MỘT NS( Ax − b) = 0.
(MỘT NS A) x = A NS NS.
Phù hợp bề mặt

• Bề mặt đa thức của mức độ NS
• Ước tính bình phương tối thiểu, ví dụ: cho d = 3 ( m = 10)

Ab = tôi
Phù hợp bề mặt

• Thuật toán lặp lại
1.) Điều chỉnh bề mặt tham số với tất cả các điểm trong vùng.
Ban đầu
2.) Trừ bề mặt ước tính.
đoán xem: V
3.) Áp dụng ngưỡng toàn cầu (ví dụ với phương pháp Otsu)
4.) Vừa bề mặt với tất cả các pixel nền trong vùng gốc.
5.) Trừ bề mặt ước tính. Tinh luyện
đoán xem: V
5.) Áp dụng ngưỡng toàn cầu (Otsu)
6.) Lặp lại thêm nếu cần…
• Lần vượt qua đầu tiên cũng tính đến các pixel nền
trước.
Điều này được sửa chữa trong các lần vượt qua sau đây.
Giả định cơ bản ở đây: hầu hết các pixel thuộc về nền.
So sánh kết quả
Ảnh gốc Toàn cầu (Otsu)
Địa phương (Niblack)

Đa thức
+ Toàn cầu
So sánh kết quả
Ảnh gốc Toàn cầu (Otsu)
Địa phương (Sauvola)

Đa thức
+ Toàn cầu
Đề cương của bài giảng hôm nay
• Dọn dẹp hình ảnh được ngưỡng

3-35 u
Chap l te NS NSảnh nhị phân
3 -NSHình
Làm sạch Res Binarized

• Kết quả của ngưỡng thường vẫn chứa nhiễu
• Các hoạt động làm sạch cần thiết

Loại bỏ các điểm bị cô lập và cấu trúc nhỏ
Lấp lỗ
⇒ Toán tử hình thái
Z 2 và Z 3
• Đặt trong hình thái toán học đại diện cho các đối tượng trong một
hình ảnh
ảnh nhị phân (0 = trắng, 1 = đen): phần tử của tập hợp là tọa độ
(x, y) của pixel thuộc đối tượng Z 2
• Hình ảnh tỷ lệ xám: phần tử của tập hợp là tọa độ (x,

y) của pixel thuộc về đối tượng và các mức xám Z 3
Lý thuyết tập hợp cơ bản
Hoạt động logic
Thí dụ
Yếu tố cấu trúc (SE)
Bộ nhỏ để thăm dò hình ảnh đang nghiên cứu

Hình dạng và kích thước phải được điều chỉnh phù hợp với đặc
tính hình học của các đối tượng
Các phép toán hình thái cơ bản
• Xói mòn
• Sự giãn nở
• Cộng với
Khai mạc
Đóng cửa

• Ý kiến cơ bản
Quét hình ảnh với một phần tử có cấu trúc
Thực hiện các hoạt động tập hợp (giao nhau, kết
hợp) của nội dung hình ảnh với phần tử cấu trúc
• Hai hoạt động cơ bản

Sự giãn nở (Matlab: imdilate)
Xói mòn (Matlab: imerode)
• Một số kết hợp quan trọng

Khai mạc (Matlab: imopen)
Đóng cửa (Matlab: tôi khép kín)
Khai thác ranh giới
Hình ảnh < xám , Byte > src = Mới Hình ảnh < xám , Byte > ( "Hình ảnh của bạn.png" );
Hình ảnh < xám , Byte > dst = Mới Hình ảnh < xám , Byte > (src. Chiều rộng , src. Chiều cao );
St StructureElementEx phần tử = Mới St StructureElementEx ( 3 , 3 , 1 , 1 , Emgu .CV. CvEnum .CV_ELEMENT_SHAPE.CV_SHAPE_CROSS);
CvInvoke .cvMorphologyEx (src, dst, IntPtr . Số không , phần tử, CV_MORPH_OP.CV_MOP_OPEN, 1 );
3-43. Chương 3 - Hình ảnh nhị phân
Sự giãn nở
• Sự định nghĩa
“Sự giãn nở của MỘT qua NS là tập hợp

của tất cả các phép dời hình z, như vậy mà
(NS) z và MỘT chồng lên nhau bởi ít nhất một
NS 1
phần tử ”. MỘT
MỘT ⊕ NS 1
(( NS) là phiên bản sao chép của NS,
z
chuyển bởi z)
• Các hiệu ứng ( nền trước = 1, nền = 0)

Nếu pixel hiện tại z là tiền cảnh, thiết lập NS 2
tất cả các pixel dưới ( NS) z đến tiền cảnh.
⇒ Mở rộng các thành phần được kết nối
⇒ Phát triển các tính năng
⇒ Lấp lỗ
MỘT ⊕ NS 2
Sự giãn nở
Sự giãn nở
Sự giãn nở
Xói mòn
“Sự xói mòn của MỘT qua NS là tập hợp của
tất cả các phép dời hình z, như vậy mà

NS 1
( NS) z hoàn toàn được chứa trong MỘT ”
MỘT 1
• Các hiệu ứng
Nếu không phải mọi pixel dưới ( NS) z

là nền trước, đặt pixel hiện tại z sang
nền.
⇒ Erode các thành phần được kết nối NS 2 2
⇒ Thu nhỏ các tính năng
⇒ Loại bỏ các cây cầu, cành cây, tiếng ồn
Xói mòn
Xói mòn
Xói mòn
Các hiệu ứng

n hoặc 1 y 3 / MỘT 1 u 4 Máy tính tăng cường
Giãn nở với vòng tròn

cấu trúc phần tử
WNS
Ảnh gốc
NStrên
si NS
NSNS e P P u NS NS u e Một tôi
V MộtNS
l Se
Nguồn hình ảnh:

http://homepages.inf.ed.ac.uk/rbf/HIPR2/
Xói mòn theo hình tròn

Pe o NS

NS
Các hiệu ứng

Giãn nở với vòng tròn

WNS
Ảnh gốc
NStrên
si NS
NSNS e P P u NS NS u e Một tôi
V MộtNS
l Se
Nguồn hình ảnh:

Xói mòn theo hình tròn
Pe o NS

NS
Có ích
• Xói mòn
loại bỏ các cấu trúc có hình dạng và kích thước nhất định, do SE đưa ra
• Sự giãn nở
lấp đầy các lỗ có hình dạng và kích thước nhất định, do SE đưa ra
Khai mạc
Xói mòn theo sau bởi sự giãn nở, ký hiệu là ∘
MỘT B = (A - NS) ⊕ NS
• Loại bỏ những chỗ lồi lõm
• Bẻ cổ
• Đường viền mịn
Khai mạc
• Tác dụng
MỘT NS được xác qua

định những điểm mà là
đạt được nếu NS được cuộn
quanh bên trong MỘT.
Loại bỏ các đồ vật nhỏ,

giữ nguyên hình dạng ban đầu.
Nguồn hình ảnh: RC Gonzales & RE Woods
Khoa M
Khai mạc
Khai mạc
Khai mạc
Hiệu quả của việc mở đầu
• Lựa chọn tính năng thông qua kích

thước của phần tử cấu trúc
Mở đầu bằng nhỏ

Ảnh gốc Đã ngưỡng
Mở đầu với lớn hơn

Hiệu quả của việc mở đầu
• Lựa chọn tính năng thông qua hình dạng của phần tử cấu trúc
Hình ảnh đầu vào Mở đầu bằng vòng tròn

Đóng cửa
Sự giãn nở sau đó là sự xói mòn, được ký hiệu là •
MỘT • B = (A ⊕ NS) - NS
• Đường viền mịn
• Cầu chì đứt đoạn hẹp và vùng vịnh mỏng dài
• Loại bỏ các lỗ nhỏ
• Lấp các khoảng trống trong đường viền
Đóng cửa
• Tác dụng
MỘT • NS được xác qua

định những điểm mà là
đạt được nếu NS được cuộn
xung quanh bên ngoài của
MỘT.
Lấp lỗ, giữ nguyên bản
hình dạng.
Nguồn hình ảnh: RC Gonzales & RE Woods
Đóng cửa
Đóng cửa
Đóng cửa
Ảnh hưởng của việc đóng cửa
• Lấp các lỗ trong hình ảnh được ngưỡng (ví dụ: do để đầu cơ)
Ảnh gốc Đã ngưỡng Kết thúc bằng vòng tròn

Kích thước cấu trúc
yếu tố xác định
cấu trúc nào là
điền có chọn lọc.
3-67 Ứng dụng mẫu: Mở + Ch NS l NS
đúng cáchr 3 -e ary NS
o tôiNS n ảnh
Hình
trong
Ảnh gốc Khai mạc Đóng cửa
Cấu trúc
yếu tố
Hình ảnh bị xóa Hình ảnh pha loãng
3-68 Ch NSNS 3tôi
ap no ảnh nhị phân
- Hình
te NS
Ranh giới hình thái phụ
Xói mòn đầu tiên MỘT qua NS, sau đó trừ đi
kết quả từ bản gốc MỘT.

β ( A) = A - ( AB)
• Các hiệu ứng
Nếu một phần tử có cấu trúc 3x3 được sử dụng,

điều này dẫn đến ranh giới có độ
dày chính xác là 1 pixel.
3-69 Toán tử Hình thái học trên Grayscal NS e hap tôi Một
er 3 NS - NS NS
NS e
ina ry NS
Hình ảnh
• Sự giãn nở và xói mòn thường được thực hiện trên hình ảnh
nhị phân.
• Nếu hình ảnh có thang độ xám: đối với độ giãn nở, lấy tối đa vùng lân cận, đối
với xói mòn lấy tối thiểu.
Nguyên bản Pha loãng Bị xói mòn
• Khi giãn nở, hình ảnh trở nên sáng hơn và các chi tiết tối được
giảm bớt.
• Khi bị xói mòn, hình ảnh trở nên tối hơn và các chi tiết ánh sáng
bị giảm.
3-70 NS e
chương 3 - Hình ảnh nhị phân
Đề cương của Bài giảng hôm nay
• Trích xuất các đối tượng riêng lẻ

Ghi nhãn các thành phần được kết nối
3-71 Các thành phần được kết nối Exa Ch apter Pl
NS 3- eNS
NSina ry hình ảnh
3-72 Ch l Một ter NS
tôiP3n
- Hình ảnh nhị phân
Labe các thành phần được kết nối

• Mục tiêu: Xác định các vùng riêng biệt
Hình ảnh nhị phân Các thành phần được kết nối
dán nhãn
Sự kết nối
• Những pixel nào được coi là hàng xóm?
4 kết nối 8 kết nối
Pe o NS
NS si NS
NSNS e P P u NS NS u e Một NStrên
l Se tôi
V MộtNS
WNS n hoặc 1 y 3 / MỘT 1 u 4 Máy tính tăng cường
3-75
Thành phần được kết nối tuần tự
o Chđúng cách
e nNS
NS- NS
ina
ry
Hình
ảnh er n3
3-76 Thành phần được kết nối tuần tự o er n
Chđúng cách 3 e nNS
- NS ina NS
Hình
ry ảnh
• Xử lý hình ảnh từ trái sang

phải, trên xuống dưới:
1.) Nếu pixel tiếp theo để xử lý là 1
i.) Nếu chỉ một trong các hàng xóm của nó (trên cùng hoặc
bên trái) là 1, hãy sao chép nhãn của nó.
ii.) Nếu cả hai là 1 và có cùng

nhãn, hãy sao chép nó.
iii.) Nếu chúng có các nhãn khác nhau

- Sao chép nhãn từ bên trái .
- Cập nhật bảng tương đương.
iv.) Nếu không, hãy gán một nhãn mới.

si NS
NSNS e P P u NS NS u e Một l Se
NStrên WNS
tôi
V MộtNS
• Gắn nhãn lại với nhãn nhỏ nhất trong các nhãn tương
đương
Pe o NS
NS
3-77 Ch NS
apter 3 - Hình ảnh nhị phân
Ứng dụng: Blob Trackin
Sự khác biệt tuyệt đối từ khung này sang khung khác
Ngưỡng
Eroding
Ứng dụng: Phân đoạn gan
Tóm tắt: Xử lý hình ảnh nhị phân
• Ưu điểm
Tính toán nhanh, dễ lưu trữ

Kỹ thuật xử lý đơn giản
Có thể rất hữu ích cho các tình huống bị hạn chế
• Nhược điểm
Khó có được bóng "sạch"

Tiếng ồn là phổ biến trong các tình huống
thực tế Có thể quá thô, biểu diễn Không thể
đối phó với các thay đổi 3D
Tài liệu tham khảo và Đọc thêm
• Có thể tìm thấy thêm về toán tử hình thái trong

RC Gonzales, RE Woods, Xử lý hình ảnh kỹ thuật số.
Prentice Hall, 2001.
• Hướng dẫn trực tuyến và các bản trình diễn Java có sẵn trên

Ch03 BinaryImageAnalysis - En.vi

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Ch03 BinaryImageAnalysis - En.vi

Uploaded by

Copyright:

Available Formats

Translated from English to Vietnamese - www.onlinedoctranslator.

3-1 Chương 3 - Hình ảnh nhị phân

Phân tích hình ảnh nhị phân

Bastian Leibe, Đại học RWTH Aachen

Hình ảnh nhị phân

• Chỉ hai giá trị pixel

Sử dụng: Kiểm tra công nghiệp

Sử dụng: Phân tích tài liệu, nhận dạng văn bản

Chữ số viết tay

Tự nhiên văn bản (sau khi phát hiện)

Tài liệu đã quét

Sử dụng: Dữ liệu y tế / sinh học

Nguồn: D. Kim và cộng sự, Cytometry 35 (1), 1999

Sử dụng: Theo dõi khối & Chuyển động An

Nguồn: Kristen Grauman

Phép trừ nền

Nguồn: Tobias Jäggli

Trục trung gian

Sử dụng: Detec dựa trên cường độ

• Tìm kiếm các điểm ảnh tối…

fg_pix = find (im <65);

Sử dụng: Phát hiện dựa trên màu sắc

fg_pix = find (hue> t1 & hue <t2);

• Làm thế nào để phân định ranh giới

• Làm gì với đầu ra nhị

Đề cương của bài giảng hôm nay

• Chuyển hình ảnh thành dạng nhị phân

• Dọn dẹp hình ảnh được ngưỡng

• Trích xuất các đối tượng riêng lẻ

• NS các biến thể khác nhau

, , ≤ , ≤

Nguồn hình ảnh: http://homepages.inf.ed.ac.uk/rbf/HIPR2/

Một trường hợp tốt: Biểu đồ cường độ hai chân

Biểu đồ lý tưởng, đối tượng

Thực tế quan sát

Những trường hợp không đẹp như vậy…

• Làm thế nào để tách những cái đó?

Hai chế độ riêng biệt Chế độ chồng chéo Nhiều chế độ

• Trong trường hợp chung, lựa chọn ngưỡng rất khó

Tài trợ toàn cầu [Otsu'7

Ở đâu: W 0 ( T) = ∑ số Pi) số Pi): xác suất của thang độ xám tôi

= W0(T) W 1(T) [ µ 0( NS) - µ 1( NS)] 2 ∑ ip (i)

Tài trợ toàn cầu [Otsu'7

Khoa Cơ điện tử http://www.labbookpages.co.uk/software/imgProc/otsuThreshold.html

Tài trợ toàn cầu [Otsu'7

Kết quả của phương pháp Otsu

Hình ảnh thang độ xám 6 cấp và biểu đồ của nó

• Một cách tiếp cận nhanh hơn

3.) Máy tính σ 2 giữa

Các hiệu ứng

Tài trợ cục bộ [Niblack '

ở đâu k ∈ [- 1,1] là một tham số do người

• Phiên bản được cải tiến để loại bỏ tiếng ồn xung quanh để mã

Hữu ích cho văn bản,

ở đâu NS là phạm vi động của σ và k> 0

Các hiệu ứng

Ngưỡng toàn cầu lựa chọn (Otsu)

Các hiệu ứng

Ngưỡng toàn cầu (Otsu)

Cải tiến bổ sung

Ảnh gốc Bề mặt được trang bị

Bù bóng Kết quả nhị phân

Hình vuông ít nhất và Projecti