อัลกอริทึมที่ดีที่สุดสำหรับการทำสำเนารูปภาพเอกสารในตัวอย่างนี้คืออะไร?

ฉันกำลังพยายามใช้อัลกอริทึม binarization ต่าง ๆ กับรูปภาพที่แสดง:

นี่คือรหัส:

clc;
clear;
x=imread('n2.jpg');     %load original image

ตอนนี้เราปรับขนาดภาพเพื่อให้การคำนวณกลายเป็นเรื่องง่ายขึ้นในภายหลังสำหรับเรา

size(x);
x=imresize(x,[500 800]);
figure;
imshow(x);
title('original image');

z=rgb2hsv(x);       %extract the value part of hsv plane
v=z(:,:,3);
v=imadjust(v);

ตอนนี้เราพบว่าค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานที่จำเป็นสำหรับอัลกอริทึม niblack และ% sauvola

m = mean(v(:))
s=std(v(:))
k=-.4;
value=m+ k*s;
temp=v;

% การนำ niblack thresholding อัลกอริทึม:

for p=1:1:500
    for q=1:1:800
        pixel=temp(p,q);
        if(pixel>value)
            temp(p,q)=1;
        else
            temp(p,q)=0;
        end
    end
end
figure;
imshow(temp);
title('result by niblack');
k=kittlerMet(g);
figure;
imshow(k);
title('result by kittlerMet');

การใช้อัลกอริทึม thresholding sauvola:

val2=m*(1+.1*((s/128)-1));
t2=v;
for p=1:1:500
for q=1:1:800
    pixel=t2(p,q);
    if(pixel>value)
        t2(p,q)=1;
    else
        t2(p,q)=0;
    end
end

ปลาย

figure;
imshow(t2);
title('result by sauvola');

ผลลัพธ์ที่ฉันได้รับมีดังนี้:

อย่างที่คุณเห็นภาพผลลัพธ์ถูกลดระดับลงในจุดที่มืดกว่าใครช่วยแนะนำวิธีเพิ่มประสิทธิภาพของฉันได้บ้าง ??

รูปภาพของคุณมีความสว่างไม่เท่ากันดังนั้นคุณไม่ควรใช้เกรตสม่ำเสมอ คุณต้องมีเกณฑ์การปรับตัว สิ่งนี้สามารถนำมาใช้ได้โดยการประมวลผลภาพล่วงหน้าเพื่อให้ความสว่างสม่ำเสมอทั่วทั้งภาพ (โค้ดที่เขียนใน Mathematica คุณจะต้องใช้เวอร์ชัน Matlab ด้วยตัวคุณเอง):

วิธีง่ายๆในการทำให้ความสว่างสม่ำเสมอคือการลบข้อความจริงออกจากภาพโดยใช้ฟิลเตอร์ปิด:

white = Closing[src, DiskMatrix[5]]

ควรเลือกขนาดตัวกรองที่ใหญ่กว่าความกว้างของฟอนต์แบบอักษรและเล็กกว่าขนาดของคราบที่คุณพยายามลบ

แก้ไข: ฉันถูกถามในความคิดเห็นเพื่ออธิบายว่าการดำเนินการปิดทำอะไร มันเป็นขยายก้านตามด้วยการกัดเซาะทางสัณฐานวิทยา การขยายส่วนใหญ่จะย้ายองค์ประกอบโครงสร้างที่ทุกตำแหน่งในภาพและเลือกพิกเซลที่สว่างที่สุดภายใต้หน้ากากดังนั้น:

• ลบโครงสร้างที่มืดขนาดเล็กกว่าองค์ประกอบโครงสร้าง
• การหดตัวของโครงสร้างที่มืดขนาดใหญ่โดยขนาดขององค์ประกอบโครงสร้าง
• การขยายโครงสร้างที่สดใส

การกัดเซาะจะทำตรงกันข้าม (จะเลือกพิกเซลที่มืดที่สุดภายใต้องค์ประกอบโครงสร้าง) ดังนั้นหากคุณใช้มันกับภาพที่ขยาย

• โครงสร้างมืดที่ถูกลบออกเพราะมันมีขนาดเล็กกว่าองค์ประกอบโครงสร้างยังคงหายไป
• โครงสร้างสีเข้มที่หดลงจะถูกขยายให้ใหญ่ขึ้นเป็นขนาดดั้งเดิม (แม้ว่ารูปร่างจะเรียบขึ้น)
• โครงสร้างที่สว่างจะลดลงตามขนาดดั้งเดิม

ดังนั้นการดำเนินการปิดจะลบวัตถุสีดำขนาดเล็กที่มีการเปลี่ยนแปลงเพียงเล็กน้อยกับวัตถุสีดำขนาดใหญ่และวัตถุสว่าง

นี่คือตัวอย่างที่มีขนาดองค์ประกอบโครงสร้างที่แตกต่างกัน:

เมื่อขนาดขององค์ประกอบโครงสร้างเพิ่มขึ้นจะมีการลบอักขระมากขึ้นเรื่อย ๆ ที่รัศมี = 5 อักขระทั้งหมดจะถูกลบ หากรัศมีเพิ่มมากขึ้นคราบสกปรกขนาดเล็กก็จะถูกกำจัดออกไปเช่นกัน:

ตอนนี้คุณเพียงแค่แบ่งภาพต้นฉบับด้วย "ภาพขาว" นี้เพื่อให้ได้ภาพที่มีความสว่างสม่ำเสมอ (เกือบ):

whiteAdjusted = Image[ImageData[src]/ImageData[white]*0.85]

ตอนนี้ภาพนี้สามารถถูกนำไปต่อยอดกับเกณฑ์คงที่:

Binarize[whiteAdjusted , 0.6]

คำตอบของ Nikie นั้นดีที่สุดและดูเหมือนว่าจะสามารถทำงานและให้ผลลัพธ์ ดังนั้นจึงเป็นผู้ชนะที่ชัดเจน

อย่างไรก็ตามเอกสารประกอบที่ฉันเพิ่มการอ้างอิงอีกหนึ่งที่อาจเร็วมาก

เทคนิคนี้มีชื่อว่า Adaptive thresholding ซึ่งไม่ต้องการเรียนรู้พื้นหลังอย่างชัดเจน

โดยพื้นฐานแล้วแทนที่จะค้นหาขีด จำกัด โกลบอลที่เหมาะสมที่สุด- เราสามารถแบ่งรูปภาพในหน้าต่างโลคัล (พูดประมาณ 7x7 หรือเหมาะสม) และค้นหาขีด จำกัด ที่เปลี่ยนไปตามการสำรวจหน้าต่าง

การอ้างอิงด้านล่างมีรายละเอียดวิธีการที่แน่นอน http://homepages.inf.ed.ac.uk/rbf/HIPR2/adpthrsh.htm

วิธีนี้จะค่อนข้างเร็วกว่าการคำนวณ

อีกวิธีหนึ่งโดยใช้ตัวกรอง bandpass (ใน MATLAB) การเล่นกับความแตกต่างของพารามิเตอร์ Gaussian อาจให้ผลลัพธ์ที่ดีกว่า โดยทั่วไปกระบวนการนี้จะทำการกรองภาพเพื่อลบภาพพื้นหลังที่มีความถี่ต่ำซึ่งจะทำให้ปกติเป็น [0,1] ซึ่งจำเป็นสำหรับคำสั่ง 'graythresh' และภาพเกณฑ์

โหลดภาพและแปลงเป็นสีเทาคู่:

I = imread('hw.jpg');
I = rgb2gray(I);
I = double(I);

กรองโดยใช้ความแตกต่างของเคอร์เนล Gaussian และทำให้ปกติ:

J = imgaussian(I,1.5) - imgaussian(I,0.5);
J = J - min(J(:));
J = J / max(J(:));

คำนวณเกณฑ์และทำให้ 010101:

T = J > graythresh(J);

นี่คือรหัส Matlab ที่ดีสำหรับการปรับเปลี่ยนการกำหนดเกณฑ์ขั้นสูง: http://www.mathworks.com/matlabcentral/fileexchange/8647-local-adaptive-thresholding

ฉันจะลองใช้รหัสนี้ แต่ฉันไม่มีคำตอบที่ถูกต้อง ...

clc;
clear;
x=imread('base2.jpg');
size(x);
x=imresize(x,[500 800]);
figure;
imshow(x);
title('original image');
z=rgb2hsv(x);       %extract the value part of hsv plane
v=z(:,:,3);
v=imadjust(v);
m = mean(v(:))
s=std(v(:))
k=-2;
value=m+ k*s;
temp=v;
for p=1:1:500
    for q=1:1:800
        pixel=temp(p,q);
        if(pixel>value)
            temp(p,q)=1;
        else
            temp(p,q)=0;
        end
    end
end
figure;
imshow(temp);
title('result by niblack');
% k=kittlerMet(g);
% figure;
% imshow(k);
% title('result by kittlerMet');

val2=m*(1+.1*((s/128)-1));
t2=v;
for p=1:1:500
for q=1:1:800
    pixel=t2(p,q);
    if(pixel>value)
        t2(p,q)=1;
    else
        t2(p,q)=0;
    end
end

end
figure;
imshow(t2);
title('result by sauvola');