不均匀光照文本图像的二值化



不均匀光照文本图像的二值化。

因为文本图像的背景是不均匀的，所以想先求出图片的亮度背景，用原图减去背景，就会得出文本的内容，再进行二值化，可能就会得到我们想要的结果。

以下是详细的处理过程：

首先要估算出原始图片的背景图。

图片中某一点的背景，可以用该点w*w邻域内较亮的点的集合来进行估算。就好比一张白纸，一个区域内最白的一些点就可以代表该区域的背景。

我们逐行逐列的扫描图像，依次选取每个像素点w*w邻域内亮度最高的六个点。为了减少白噪声像点对背景的影响，我们去掉这六个点中最大的，对其余的五个点求平均值，认为这个平均值就是该点的背景值。

以下为matlab实现：

[plain] view plain copy print ?

1. I = imread('C:\test.bmp');  
2. I = rgb2gray(I);  
3. %colfilt(I,[31 31],'sliding',@bk)  
4. % 功能：以列方法进行邻域处理，也可执行常规非线性滤波。  
5. % 用法：B = colfilt(A,[m n],block_type,fun)  
6. % 该函数生成了一幅图像Ａ，在Ａ中，每一列对应于其中心位于图像内某个位置的邻域所包围的像素。然后将函数应用于该矩阵中。  
7. % [m n]表示大小为m行n列的邻域。block_type表示了一个字符串，包括'distinct','sliding'两种，  
8. % 其中'sliding'是在输入图像中逐个像素地滑动该m乘n的区域。fun表示引用了一个函数进行处理，  
9. % 函数返回值的大小必须和原图像大小相同。  
10. I2 = uint8(colfilt(I,[31 31],'sliding',@bk));  

I = imread('C:\test.bmp');
I = rgb2gray(I);
%colfilt(I,[31 31],'sliding',@bk)
% 功能：以列方法进行邻域处理，也可执行常规非线性滤波。
% 用法：B = colfilt(A,[m n],block_type,fun)
% 该函数生成了一幅图像Ａ，在Ａ中，每一列对应于其中心位于图像内某个位置的邻域所包围的像素。然后将函数应用于该矩阵中。
% [m n]表示大小为m行n列的邻域。block_type表示了一个字符串，包括'distinct','sliding'两种，
% 其中'sliding'是在输入图像中逐个像素地滑动该m乘n的区域。fun表示引用了一个函数进行处理，
% 函数返回值的大小必须和原图像大小相同。
I2 = uint8(colfilt(I,[31 31],'sliding',@bk));

[plain] view plain copy print ?

1. function v=bk(x)  
2.     N = size(x);                      
3.     b = sort(x);  
4.     nMax = b((N(1)-47) : (N(1)-1),:);  
5.     v = mean(nMax);  
6. end  

function v=bk(x)
    N = size(x);                    
    b = sort(x);
    nMax = b((N(1)-47) : (N(1)-1),:);
    v = mean(nMax);
end

 

原图以及求出的背景图
     

想要去掉不均匀的光照背景，可以简单理解为，原图减去背景图。

但是，可想而知，背景区域颜色越深的话，该区域背景与所要显示的文本之间的对比度就会越小。

所以，要根据背景颜色的深浅，来对对比度进行补偿。

k的值为连续分段的线性函数，其物理意义是对比度放大的倍数。

可以简单理解为，背景颜色越深，k值越大。也就是背景颜色值越小，k值越大，对比度所需要放大的倍数越大。

matlab实现如下：

[plain] view plain copy print ?

1. % 对背景暗区与背景亮区的对比度进行补偿  
2. I3 = minusBk(I,I2);  

% 对背景暗区与背景亮区的对比度进行补偿
I3 = minusBk(I,I2);

[plain] view plain copy print ?

1. function v=minusBk(A,B)  
2.     F = 255;  
3.     ret = A;  
4.     [m,n] = size(A);  
5.     for i=1 : m  
6.         for j=1 : n  
7.             k = setK(B(i,j));  
8.             if B(i,j) > A(i,j)  
9.                 ret(i,j) = F - k*(B(i,j)-A(i,j));  
10.                 if ret(i,j) < 0.75*F  
11.                     ret(i,j) = 0.75*F;  
12.                 end  
13.             else  
14.                 ret(i,j) = F;  
15.             end  
16.         end  
17.     end  
18.     v=ret;  
19. end  

function v=minusBk(A,B)
    F = 255;
    ret = A;
    [m,n] = size(A);
    for i=1 : m
        for j=1 : n
            k = setK(B(i,j));
            if B(i,j) > A(i,j)
                ret(i,j) = F - k*(B(i,j)-A(i,j));
                if ret(i,j) < 0.75*F
                    ret(i,j) = 0.75*F;
                end
            else
                ret(i,j) = F;
            end
        end
    end
    v=ret;
end

[plain] view plain copy print ?

1. % get k  
2. function v=setK(e)  
3. if e < 20  
4.     k = 2.5;  
5. elseif e>=20 && e<=100  
6.     k = 1 + ((2.5-1)*(100-e))/80;  
7. elseif e>100 && e<200  
8.     k = 1;  
9. else  
10.     k = 1 + (e-220)/35;  
11. end  
12. v = k;  
13. end  

% get k
function v=setK(e)
if e < 20
    k = 2.5;
elseif e>=20 && e<=100
    k = 1 + ((2.5-1)*(100-e))/80;
elseif e>100 && e<200
    k = 1;
else
    k = 1 + (e-220)/35;
end
v = k;
end

对比度补偿之后的结果

对比度补偿之后，要对图片进行二值化。

我们常见的图像二值化算法大致可分为全局阈值方法与局部阈值方法这两种类型。其中OTSU算法是全局阈值的代表，而Sauvola算法则是局部阈值方法的标杆。Sauvola算法的输入是灰度图像，它以当前像素点为中心，根据当前像素点邻域内的灰度均值与标准方差来动态计算该像素点的阈值。

假定当前像素点的坐标为(x,y)，以该点为中心的领域为r*r，g(x,y)表示(x,y)处的灰度值，Sauvola算法的步骤为：

matlab实现Sauvola二值化：

[plain] view plain copy print ?

1. I4 = uint8(colfilt(I3,[31 31],'sliding',@sauvola));  

I4 = uint8(colfilt(I3,[31 31],'sliding',@sauvola));

[plain] view plain copy print ?

1. function v=sauvola(x)  
2. Y=128;  
3. m1= mean(x);                                                          
4. v2 = double(x(481,:));  
5. s = size(v2);  
6. s1=(1-0.15*(1-std(double(x))/Y));  
7. v3=v2;  
8. for i = 1:s(2)  
9.     if (v2(1,i)>m1(1,i)*s1(1,i))  
10.        v3(1,i)=255;               
11.     else  
12.        v3(1,i)=0;  
13.     end  
14. end  
15. v = v3;  
16. end  

function v=sauvola(x)
Y=128;
m1= mean(x);                                                        
v2 = double(x(481,:));
s = size(v2);
s1=(1-0.15*(1-std(double(x))/Y));
v3=v2;
for i = 1:s(2)
    if (v2(1,i)>m1(1,i)*s1(1,i))
       v3(1,i)=255;             
    else
       v3(1,i)=0;
    end
end
v = v3;
end

二值化的结果如下~

实验结果还算满意。但是有的文本部分显示的还是不好，感觉是由于邻域的选取问题，邻域选的小，该邻域内笔画过多，导致邻域内的亮度平均值过低，低于实际的背景。从而导致的二值化结果异常。

调大了二值化时选取的邻域，解决了上面的问题，但是对图像边缘部分的二值化，还是处理的有问题

参考文献：

①不均匀光照文本图像的二值化 贺志明

②基于光照不均匀图像的自适应二值化方法研究 郭佳

本文转载于：http://blog.csdn.net/u013162930/article/details/47755363