热点推荐

查看: 1263|回复: 0
收起左侧

[资料] 图像识别算法研究(1)---二值化概述

[复制链接]
  • TA的每日心情
    耍酷
    前天 10:57
  • 签到天数: 562 天

    连续签到: 9 天

    [LV.9]以坛为家II

    348

    主题

    1301

    帖子

    6280

    积分

    Rank: 9

    积分
    6280

    突出贡献优秀版主荣誉管理论坛元老切换助手验证会员最佳新人

    发表于 2016-11-14 22:39:09 | 显示全部楼层 |阅读模式

    51Halcon诚邀您的加入,专注于机器视觉开发与应用技术,我们一直都在努力!

    您需要 登录 才可以下载或查看,没有帐号?会员注册

    x

    我们遇到的识别图片,经常被认为的加入杂色干扰,形成一个浓淡分布不均的多值图像。把这样一幅多灰度值的图像(Gray Level Image)转化为只有黑(前景文字部分)白(背景部分)分布的二值图像(Binary Image)的工作叫做二值化处理(Binariztion)。对于一般256级灰度的灰度图,0级灰度对应于黑色,255级对应于白色。二值化后0对应于黑色前景文字,1对应于白色背景。

        一般来说,二值化方法可以分为: 全局二值化 和 局部自适应二值化。

        全局二值化方法(Global Binariztion Method)对每一幅图计算一个单一的阀值。灰度级大于阈值的像素被标记为背景色,否则为前景。

        局部二值化方法(Local Adaptive Binarization Method)以像素的邻域的信息为基础来计算每一个像素的阈值。其中一些方法还会计算整个图像中的一个阈值面。如果图像中的一个像素(x,y)的灰度级高于在(x,y)点的阈值面的计算值,那么把像素(x,y)标记为背景,否则为前景字符。

        常用的二值化的方法包括:

        1. 双峰直方图阈值分割法和平均灰度法【Hu 94】【Xia 99】

        2. 微分直方图【Hu 94】

        3. Ostu 方法【XZhang 01】【Xia 99】

        4. Abutaleb 方法【Abutaleb 98】

        5. Kapur 等人的方法【Kapur et al. 85】

        6. Kittler 和 Illingworth 方法【Kittler and Illingworth 86】

        7. Otsu 方法【Otsu 79】

        8. Bernsen 方法【Bernsen 86】

        9. Chow 和 Kaneko 方法【Chow and Kaneko 72】【Nakagawa and Rosenfeld 79】

      10. Eikvil 等人的方法【Eikvil et al. 91】

      11. Markia 和 Hainsworth 方法【Mardia and Hainsworth 88】

      12. Niblack 方法【Niblack 86】

      13. Taxt 等人的方法【Taxt et al. 89】

      14. Yanowitz 和 Bruckstein 方法【Yanowitz and Bruckstein 89】

      15. White 和 Rohrer 的动态阈值算法【White and Rohrer 89】

      16. Parker 方法【Parker 91】

      17. White 和 Rohrer 的集成函数算法【White and Rohrer 89】

      18. Trier 和 Taxt 方法【Trier and Taxt 95】

      其中 1---7是全局二值化方法,8---18是局部自适应二值化方法。



    1. 阈值

          对

                                      |-- 1 ; F(i,j) >= t 时

                         Ft(i,j) =

                                      |-- 0 ; F(i,j) < t   时


         中, t 称为二值化的阈值


    2. 直方图

          对应于每个灰度值,求出在图像中具有该灰度值的像素数的图形叫做灰度直方图,简称直方图


    3. 直方图的表示方法

           用横轴代表灰度值,纵轴代表像素数,统计一幅图像的像素按灰度分布的图形就是该幅图像的灰度直方图。

           也可以用纵轴代表该灰度值像素数对整幅画面上的总像素的比率,这种直方图又称灰度概率直方图。

           若灰度值在Qi以下的像素数为A(Qi),则以横轴代表灰度值,纵轴代表A(Qi)的分布,称为积累直方图。

           若纵轴代表A(Qi)与总像素的比率,也称为积累概率分布图。


    无效附件更新 权限提升操作 删帖申请 举报以及其他需要帮助请加入QQ群:214663141 广告位招商 有意者联系
    您需要登录后才可以回帖 会员登录 | 会员注册

    本版积分规则

    经营性网站备案信息 经营性网站
    备案信息

    中国互联网举报中心 中国互联网
    举报中心

    中国文明网传播文明 中国文明网
    传播文明

    诚信网站

    深圳市市场监督管理局企业主体身份公示 工商网监
    电子标识