이 예제에서 문서 이미지 임계 값에 가장 적합한 알고리즘은 무엇입니까?

표시된 이미지에 다양한 이진화 알고리즘을 구현하려고합니다.

코드는 다음과 같습니다.

clc;
clear;
x=imread('n2.jpg');     %load original image

% 이제 계산 작업이 나중에 더 쉬워 지도록 이미지 크기를 조정합니다.

size(x);
x=imresize(x,[500 800]);
figure;
imshow(x);
title('original image');

z=rgb2hsv(x);       %extract the value part of hsv plane
v=z(:,:,3);
v=imadjust(v);

이제 niblack 및 % sauvola 알고리즘에 필요한 평균 및 표준 편차를 찾습니다.

m = mean(v(:))
s=std(v(:))
k=-.4;
value=m+ k*s;
temp=v;

niblack 임계 값 알고리즘 구현 비율 :

for p=1:1:500
    for q=1:1:800
        pixel=temp(p,q);
        if(pixel>value)
            temp(p,q)=1;
        else
            temp(p,q)=0;
        end
    end
end
figure;
imshow(temp);
title('result by niblack');
k=kittlerMet(g);
figure;
imshow(k);
title('result by kittlerMet');

소 볼라 임계 값 알고리즘 구현 비율 :

val2=m*(1+.1*((s/128)-1));
t2=v;
for p=1:1:500
for q=1:1:800
    pixel=t2(p,q);
    if(pixel>value)
        t2(p,q)=1;
    else
        t2(p,q)=0;
    end
end

종료

figure;
imshow(t2);
title('result by sauvola');

내가 얻은 결과는 다음과 같습니다.

보시다시피 결과 이미지가 어두운 곳에서 저하됩니다. 누군가 내 결과를 최적화하는 방법을 제안 할 수 있습니까?

이미지의 밝기가 균일하지 않으므로 균일 한 임계 값으로 작업해서는 안됩니다. 적응 임계 값이 필요합니다. 이미지 전체를 밝게하기 위해 이미지를 전처리하여 구현할 수 있습니다 (Mathematica로 작성된 코드는 Matlab 버전을 직접 구현해야합니다).

밝기를 균일하게 만드는 간단한 방법은 닫는 필터를 사용하여 이미지에서 실제 텍스트를 제거하는 것입니다.

white = Closing[src, DiskMatrix[5]]

필터 크기는 글꼴 획 너비보다 크고 제거하려는 얼룩 크기보다 작게 선택해야합니다.

편집 : 의견에 폐쇄 작업이 무엇을하는지 설명하라는 요청을 받았습니다. 그것은 A의 형태 팽창 a로 이어 형태 학적 침식 . 확장은 기본적으로 이미지의 모든 위치에서 구조 요소를 이동하고 마스크 아래에서 가장 밝은 픽셀을 선택합니다.

• 구조 요소보다 작은 어두운 구조를 제거
• 구조화 요소의 크기에 따라 더 큰 어두운 구조 축소
• 밝은 구조 확대

침식 작업은 반대입니다 (구조 요소 내부에서 가장 어두운 픽셀을 선택합니다). 확장 이미지에 적용하면 다음과 같습니다.

• 구조 요소보다 작기 때문에 제거 된 어두운 구조는 여전히 사라집니다.
• 축소 된 어두운 구조는 원래 크기로 다시 확대됩니다 (모양이 매끄럽지 만).
• 밝은 구조는 원래 크기로 축소됩니다

따라서 닫는 작업은 큰 어두운 개체와 밝은 개체를 약간만 변경하여 작은 어두운 개체를 제거합니다.

다음은 구조화 요소 크기가 다른 예입니다.

구조화 요소의 크기가 증가함에 따라 점점 더 많은 문자가 제거됩니다. 반경이 5이면 모든 문자가 제거됩니다. 반경이 더 증가하면 더 작은 얼룩도 제거됩니다.

이제 원본 이미지를이 "백색 이미지"로 나누면 (거의) 균일 한 밝기의 이미지를 얻을 수 있습니다.

whiteAdjusted = Image[ImageData[src]/ImageData[white]*0.85]

이 이미지는 이제 일정한 임계 값으로 이진화 할 수 있습니다.

Binarize[whiteAdjusted , 0.6]

Nikie의 답변이 가장 좋을뿐만 아니라 작동하고 결과를 산출하는 것 같습니다. 확실한 승자입니다.

그러나 하나의 참조를 추가하는 문서에 대해서는 매우 빠릅니다.

이 기술을 적응 임계 값이라고 하며 배경을 명시 적으로 학습 할 필요가 없습니다 .

기본적으로 가장 적합한 전역 임계 값 을 찾는 대신 이미지를 로컬 창 (예 : 약 7x7 또는 적절)으로 분할하고 창이 이동함에 따라 변경되는 임계 값을 찾을 수 있습니다.

아래의 참조는 정확한 방법을 자세히 설명합니다. http://homepages.inf.ed.ac.uk/rbf/HIPR2/adpthrsh.htm

이 방법은 비교적 계산 속도가 빠릅니다.

MATLAB에서 대역 통과 필터를 사용하는 다른 방법입니다. 가우스 매개 변수의 차이를 가지고 놀면 더 나은 결과를 얻을 수 있습니다. 프로세스는 기본적으로 이미지를 대역 통과 필터링하여 저주파 배경 블로 브를 제거하고 임계 값 이미지 'graythresh'명령에 필요한 [0,1]로 정규화합니다.

이미지를로드하고 회색조 이중으로 변환 :

I = imread('hw.jpg');
I = rgb2gray(I);
I = double(I);

가우스 커널과 정규화의 차이를 사용하여 필터링 :

J = imgaussian(I,1.5) - imgaussian(I,0.5);
J = J - min(J(:));
J = J / max(J(:));

임계 값을 계산하고 010101을 만드십시오.

T = J > graythresh(J);

다음은 적응 임계 값을위한 좋은 Matlab 코드입니다. http://www.mathworks.com/matlabcentral/fileexchange/8647-local-adaptive-thresholding

나는이 코딩을 시도 할 것이다. 그러나 나는 정답이 없다 ...

clc;
clear;
x=imread('base2.jpg');
size(x);
x=imresize(x,[500 800]);
figure;
imshow(x);
title('original image');
z=rgb2hsv(x);       %extract the value part of hsv plane
v=z(:,:,3);
v=imadjust(v);
m = mean(v(:))
s=std(v(:))
k=-2;
value=m+ k*s;
temp=v;
for p=1:1:500
    for q=1:1:800
        pixel=temp(p,q);
        if(pixel>value)
            temp(p,q)=1;
        else
            temp(p,q)=0;
        end
    end
end
figure;
imshow(temp);
title('result by niblack');
% k=kittlerMet(g);
% figure;
% imshow(k);
% title('result by kittlerMet');

val2=m*(1+.1*((s/128)-1));
t2=v;
for p=1:1:500
for q=1:1:800
    pixel=t2(p,q);
    if(pixel>value)
        t2(p,q)=1;
    else
        t2(p,q)=0;
    end
end

end
figure;
imshow(t2);
title('result by sauvola');