人工智能讲师叶梓人工智能之深度学习计算机视觉：计算机视觉OCR识别-2

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