Azərbaycanca AzərbaycancaБеларускі БеларускіDansk DanskDeutsch DeutschEspañola EspañolaFrançais FrançaisIndonesia IndonesiaItaliana Italiana日本語 日本語Қазақ ҚазақLietuvos LietuvosNederlands NederlandsPortuguês PortuguêsРусский Русскийසිංහල සිංහලแบบไทย แบบไทยTürkçe TürkçeУкраїнська Українська中國人 中國人United State United StateAfrikaans Afrikaans
Підтримка
www.wikidata.uk-ua.nina.az

Порогування є найпростішим методом сегментації зображень Із чорно білого зображення методом порогування можна отримати б

Порогування (обробка зображень)

Порогування (обробка зображень)

Порогування є найпростішим методом сегментації зображень. Із чорно-білого зображення методом порогування можна отримати бінарне зображення (Shapiro, et al. 2001:83).

image
Початкове зображення
image
Приклад ефекту використання методу порогування

Означення

Найпростіший метод порогування полягає у заміні кожного пікселя зображення чорним пікселем, якщо інтенсивність зображення image є меншою, ніж деяка константа T (тобто image), або білим пікселем, якщо інтенсивність зображення є більшою, ніж T. На прикладі наведеного зображення, бачимо, що темна частина дерева стала повністю темною, а білий сніг став повністю білим.

Класифікація порогових методів

Для того, щоб вибір порогового значення був повністю автоматизованим, необхідно, щоб комп'ютер автоматично вибирав порогове значення. T. Sezgin і Sankur (2004) класифікували порогові методи у наступні шість груп, які базуються на основі інформації, яка використовується алгоритмом (Sezgin et al., 2004):

  • Методи, які базуються на формі гістограми, де, наприклад, аналізуються вершини, інтервали спадання та викривлення згладженої гістограми
  • Методи, які базуються на основі кластеризації, в яких зображення сірого кольору кластеризуються поділом на дві частини: фон та передній план (об'єкта), або ж моделюються як комбінація двох функцій розподілу Гауса
  • Методи, які використовують ентропію передньої та фонової областей зображення, перехресну ентропію між оригінальним та бінарним зображеннями
  • Методи на основі атрибутів об'єктів шукають міру подібності між чорно-білим і бінаризованими зображеннями, таку як нечітка подібність форми, збіг країв зображення і т. д.
  • Просторові методи використовують розподіл ймовірності вищого порядку, або кореляцію між пікселями
  • Локальні методи адаптовують порогове значення для кожного пікселя до локальних характеристик зображення. У цих методах для кожного пікселя на зображенні вибирається інше порогове значення Т
  • Змішані методи використовують як глобальне, так і локальне порогове значення і адаптують кожне значення пікселя на основі як локальних, так і глобальних характеристик зображення.

Примітки

  1. Zhang, Y. (2011). Optimal multi-level Thresholding based on Maximum Tsallis Entropy via an Artificial Bee Colony Approach. Entropy. 13 (4): 841—859. doi:10.3390/e13040841.{{}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом ()
  2. Sokratis, Vavilis; Kavallieratou, Ergina; Paredes, Roberto; Sotiropoulos, Kostas (2011), A Hybrid Binarization Technique for Document Images, Learning Structure and Schemas from Documents, Springer Berlin Heidelberg, с. 165—179, ISBN , процитовано 28 квітня 2019

Див. також

Посилання

  • Pham N, Morrison A, Schwock J et al. (2007). Quantitative image analysis of immunohistochemical stains using a CMYK color model. Diagn Pathol. 2:8.
  • & Stockman, George C. (2002). «Computer Vision». Prentice Hall.
  • Mehmet Sezgin and Bulent Sankur, Survey over image thresholding techniques and quantitative performance evaluation, Journal of Electronic Imaging 13(1), 146—165 (January 2004). DOI:10.1117/1.1631315

Подальше читання

  • Gonzalez, Rafael C. & Woods, Richard E. (2002). Thresholding. In Digital Image Processing, pp. 595–611. Pearson Education.
  • M. Luessi, M. Eichmann, G. M. Schuster, and A. K. Katsaggelos, Framework for efficient optimal multilevel image thresholding, Journal of Electronic Imaging, vol. 18, pp. 013004+, 2009. DOI:10.1117/1.3073891
  • Y.K. Lai, P.L. Rosin, Efficient Circular Thresholding, IEEE Trans. on Image Processing 23(3), pp. 992–1001 (2014). DOI:10.1109/TIP.2013.2297014
  • Scott E. Umbaugh (2018). Digital Image Processing and Analysis, pp 93–96. CRC Press.

Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет

Poroguvannya ye najprostishim metodom segmentaciyi zobrazhen Iz chorno bilogo zobrazhennya metodom poroguvannya mozhna otrimati binarne zobrazhennya Shapiro et al 2001 83 Pochatkove zobrazhennya Priklad efektu vikoristannya metodu poroguvannyaOznachennyaNajprostishij metod poroguvannya polyagaye u zamini kozhnogo pikselya zobrazhennya chornim pikselem yaksho intensivnist zobrazhennya I i j displaystyle I i j ye menshoyu nizh deyaka konstanta T tobto I i j lt T displaystyle I i j lt T abo bilim pikselem yaksho intensivnist zobrazhennya ye bilshoyu nizh T Na prikladi navedenogo zobrazhennya bachimo sho temna chastina dereva stala povnistyu temnoyu a bilij snig stav povnistyu bilim Klasifikaciya porogovih metodivDlya togo shob vibir porogovogo znachennya buv povnistyu avtomatizovanim neobhidno shob komp yuter avtomatichno vibirav porogove znachennya T Sezgin i Sankur 2004 klasifikuvali porogovi metodi u nastupni shist grup yaki bazuyutsya na osnovi informaciyi yaka vikoristovuyetsya algoritmom Sezgin et al 2004 Metodi yaki bazuyutsya na formi gistogrami de napriklad analizuyutsya vershini intervali spadannya ta vikrivlennya zgladzhenoyi gistogrami Metodi yaki bazuyutsya na osnovi klasterizaciyi v yakih zobrazhennya sirogo koloru klasterizuyutsya podilom na dvi chastini fon ta perednij plan ob yekta abo zh modelyuyutsya yak kombinaciya dvoh funkcij rozpodilu Gausa Metodi yaki vikoristovuyut entropiyu perednoyi ta fonovoyi oblastej zobrazhennya perehresnu entropiyu mizh originalnim ta binarnim zobrazhennyami Metodi na osnovi atributiv ob yektiv shukayut miru podibnosti mizh chorno bilim i binarizovanimi zobrazhennyami taku yak nechitka podibnist formi zbig krayiv zobrazhennya i t d Prostorovi metodi vikoristovuyut rozpodil jmovirnosti vishogo poryadku abo korelyaciyu mizh pikselyami Lokalni metodi adaptovuyut porogove znachennya dlya kozhnogo pikselya do lokalnih harakteristik zobrazhennya U cih metodah dlya kozhnogo pikselya na zobrazhenni vibirayetsya inshe porogove znachennya T Zmishani metodi vikoristovuyut yak globalne tak i lokalne porogove znachennya i adaptuyut kozhne znachennya pikselya na osnovi yak lokalnih tak i globalnih harakteristik zobrazhennya PrimitkiZhang Y 2011 Optimal multi level Thresholding based on Maximum Tsallis Entropy via an Artificial Bee Colony Approach Entropy 13 4 841 859 doi 10 3390 e13040841 a href wiki D0 A8 D0 B0 D0 B1 D0 BB D0 BE D0 BD Cite journal title Shablon Cite journal cite journal a Obslugovuvannya CS1 Storinki iz nepoznachenim DOI z bezkoshtovnim dostupom posilannya Sokratis Vavilis Kavallieratou Ergina Paredes Roberto Sotiropoulos Kostas 2011 A Hybrid Binarization Technique for Document Images Learning Structure and Schemas from Documents Springer Berlin Heidelberg s 165 179 ISBN 9783642229121 procitovano 28 kvitnya 2019Div takozhMetod Ocu en PosilannyaPham N Morrison A Schwock J et al 2007 Quantitative image analysis of immunohistochemical stains using a CMYK color model Diagn Pathol 2 8 amp Stockman George C 2002 Computer Vision Prentice Hall ISBN 0 13 030796 3 Mehmet Sezgin and Bulent Sankur Survey over image thresholding techniques and quantitative performance evaluation Journal of Electronic Imaging 13 1 146 165 January 2004 DOI 10 1117 1 1631315Podalshe chitannyaGonzalez Rafael C amp Woods Richard E 2002 Thresholding In Digital Image Processing pp 595 611 Pearson Education ISBN 81 7808 629 8 M Luessi M Eichmann G M Schuster and A K Katsaggelos Framework for efficient optimal multilevel image thresholding Journal of Electronic Imaging vol 18 pp 013004 2009 DOI 10 1117 1 3073891 Y K Lai P L Rosin Efficient Circular Thresholding IEEE Trans on Image Processing 23 3 pp 992 1001 2014 DOI 10 1109 TIP 2013 2297014 Scott E Umbaugh 2018 Digital Image Processing and Analysis pp 93 96 CRC Press ISBN 978 1 4987 6602 9

Дата публікації:
Топ