接一篇,联系人工智能讲师叶梓老师课程合作,可点击 个人主页
再说说局部阈值法
1、自适应门限算法
利用积分的概念,提出了一种新的自适应门限算法,该算法能快速有效地计算网格的矩形子区域。适应性阈值算法的主要思想是:以一个像素为中心设置大小为 sxs的滑动窗口,滑动窗口扫过整个图片,每次扫描都对窗口内的像素进行均值计算,并将其作为局部阈值;如果窗口中的某个象素低于局部阈值 t/100,则赋值为0;高于局部阈值 t/100,则赋值255。由于需要对有重叠的窗口进行多次加和运算,所以使用积分图可以降低复杂度,提高运算效率。
2、尼布拉克算法
Niblack算法也是基于窗口中的像素值来计算局部阈值,区别在于它不仅参考了区域内像素点的均值和方差,而且还考虑了由预先设置的修正系数 k来确定影响程度
在这里 T (x, y)是阈值, m (x, y), s (x, y)分别表示均值和方差。对接近 m (x, y)的像素点进行背景判断,反之,则进行前景判断,而接近度由标准差和修正系数确定,这样也保证了算法的灵活性。
3、索沃拉算法
索沃拉算法是一种基于 Niblack算法的文档二值化处理改进算法。
在这种情况下, R是标准方差的动态范围,如果当前输入的图像是8位灰度,则 R=128。
因为上面的公式起到了放大标准差的作用,所以叫做 Niblack算法有更好的性能。
(未完,下一篇继续)更多课程,及老师资料可点击 个人主页