적응 임계 값 2 진화 : 유령 객체를 제거하기위한 후 처리

Question

2 진화 된 이미지에서 유령 객체를 제거하기위한 후 처리 알고리즘을 알고있는 사람이 있습니까? 문제 : 예를 들어 niblack 메서드 또는 bernsen을 사용하여 이미지를 이진화하면 많은 노이즈가 발생합니다. 레드 북 또는 인터넷에서 이진화에 대한 기사를 읽었으며 Niblack 및 다른 이진법 인 후 처리 단계가 필요하다고 말합니다. 그러나 그 이유는 무엇인지, 후 처리 작업인지는 알 수 없습니다. 그러니 제발, 누군가가 알면 내게 전화 해. EDIT : 원본 이미지 :

alt text http://i.piccy.info/i4/20/63/b970ab2ca66e997f421e969a1657.bmp

Bernsen 액 31 winsize 콘트라스트 차이 15 :

alt text http://i.piccy.info/i4/32/55/2f1e0293311119986bd49529e579.bmp

Bernsen 액 31 winsize 콘트라스트 차이 31 :

alt text http://i.piccy.info/i4/2a/13/774508890030b93201458986bbd2.bmp

니 블랙 메소드 윈도우 사이즈 15 k_value 0.2 :

는 alt text http://i.piccy.info/i4/12/4f/fa6fc09bcba7a7e3245d670cbfa5.bmp는 는

니 블랙 방법 창 크기 31 k_value 0.2

:

alt text http://i.piccy.info/i4/c0/fd/1f190077abba2aeea89398358fc0.bmp

는 EDIT2 :시피 는 니 블랙 액은 많은 소음을 낸다. 그리고 창 크기를 줄이면 검정색 사각형이 약간 흰색 내부가됩니다. Bernsen의 노이즈는 더 적지 만 콘트라스트 차이를 더 크게 만들었더라도 한 가지 문제가 있습니다. 지금은 이미지를 생성 할 수 없습니다. 문제 : 이미지에 색상이있는 일부 개체가 포함되어있는 경우 흰색 배경에 흰색을 사용하는 경우 검정색으로 표시된 영역이있는 경우이 메서드는 해당 개체를 무시하고 결과가 잘못되었습니다. minimum_grayscale_value 다음, DIFF가 임계 값 을 계산하는데 사용되지만, I는 상기 작성한 경우, 우리는이 최대 값 - DIFF = maximum_grayscale_value 콘트라스트의 차이를 계산하는 각각의 화소에 : Bernsen 방법 공식을 사용하기 때문이다 이고 최소값은 0입니다. 임계 값은 128입니다. 그러나 실제 개체 색은 128 (흰색 근처)보다 높습니다.

그래서 2 진수를 올바르게 작성하려면 몇 가지 사후 처리 작업을 사용해야합니다. 의견이 있으십니까? K-수단을 사용하여

Answer 1

전체 파이썬 프로그램이 도구는 최적의 양자화 간격을 찾기위한 의미 : 각 반복하는 동안

from scipy.misc import imread, imsave 
def kmeans(file_in, file_out, maxiter): 
    X = imread(file_in) 
    thresh = X.mean() 
    for iter in range(maxiter): 
     thresh = (X[X<thresh].mean() + X[X>=thresh].mean())/2.0 
    X[X<thresh] = 0 
    X[X>=thresh] = 255 
    imsave(file_out, X) 
    return X, thresh 

을, K-수단의 중심을 계산 각각 다음에 기반 클러스터에 요소를 재 할당 "클러스터" 재 계산 된 센터. 각각의 요소 (즉, 픽셀)가 1 차원이고 단지 2 개의 클러스터가 요구되는 간단한 경우에, 임계 값은 단순히 2 개의 클러스터 중심의 평균이다.

게시자가 게시 한 이미지의 경우이 방법이 작동하지만 다른 질문 (예 : 다른 질문에 게시 한 이미지)의 경우에는이 방법을 사용할 수 없습니다.그러나 추가 정보없이이 솔루션이 작동한다고 생각합니다.

출력 :

binary.bmp http://up.stevetjoa.com/binary.bmp

Answer 2

그것은 정말 문제처럼 ... 당신이를 통해 펌핑하고 이미지의 유형이 무엇 분할 문제입니다입니다 소리?

Btw, 질문에 대답하는 대신 어떻게 대답합니까?

Answer 3

질문이 오래된 것일 수 있습니다. 그러나 답을 찾을 수없는 사람들은 이러한 상황에서 사용해야하는 방법, 즉 빠르게 변화하는 배경 이미지가 로컬 회색조 임계 값이 아니라 로컬 특징 임계 값을 분석합니다 이미지는 로컬 그레이 레벨이 아닌 스트로크 너비 (Stroke Width) 방법을 사용합니다. U는 인터넷에서 그것을 찾을 수 있습니다.