Apa algoritma terbaik untuk pengubahan citra dokumen dalam contoh ini?


31

Saya mencoba menerapkan berbagai algoritma binarisasi ke gambar yang ditampilkan: masukkan deskripsi gambar di sini

Ini kodenya:

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

% Sekarang kita mengubah ukuran gambar sehingga pekerjaan komputasi menjadi lebih mudah nantinya bagi kita.

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);

% sekarang kita menemukan rata-rata dan standar deviasi yang diperlukan untuk algoritma niblack dan% sauvola

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

% menerapkan algoritma ambang batas niblack:

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');

% menerapkan algoritma ambang 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

akhir

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

Hasil yang saya peroleh adalah seperti yang ditunjukkan: masukkan deskripsi gambar di sini masukkan deskripsi gambar di sini masukkan deskripsi gambar di sini

Seperti yang Anda lihat, gambar yang dihasilkan terdegradasi di tempat yang lebih gelap. Bisakah seseorang menyarankan cara mengoptimalkan hasil saya ??


1
Bisakah Anda menggunakan informasi warna untuk membuang latar belakang alih-alih hanya kecerahan?
endolith

Tuan / Nyonya yang terhormat. Saya sedang mengerjakan proyek pengolahan gambar. Saya konsep binarisasi yang menarik..silakan periksa dan koreksi kodenya ... Saya ambil kodenya dan jalankan programnya. Tetapi ada beberapa kesalahan yang terjadi pada koding ini ... Fungsi yang tidak ditentukan atau variabel 'g'. dan satu lagi adalah Kesalahan pada msp (baris 31) k = kittlerMet (g); .. Bagaimana cara mengatasinya ... Harap perbaiki kodenya ...
muthu

Jawaban:


49

Gambar Anda tidak memiliki kecerahan seragam, jadi Anda seharusnya tidak bekerja dengan ambang batas yang seragam. Anda membutuhkan ambang adaptif. Ini dapat diimplementasikan dengan preprocessing gambar untuk membuat kecerahan lebih seragam di seluruh gambar (kode yang ditulis dalam Mathematica, Anda harus mengimplementasikan versi Matlab sendiri):

Cara sederhana untuk membuat kecerahan seragam adalah dengan menghapus teks sebenarnya dari gambar menggunakan filter penutup:

white = Closing[src, DiskMatrix[5]]

masukkan deskripsi gambar di sini

Ukuran filter harus dipilih lebih besar dari lebar langkah font dan lebih kecil dari ukuran noda yang ingin Anda hapus.

EDIT: Saya diminta di komentar untuk menjelaskan apa operasi penutupan tidak. Ini adalah pelebaran morfologis yang diikuti oleh erosi morfologis . Pelebaran pada dasarnya menggerakkan elemen penataan di setiap posisi dalam gambar, dan memilih piksel paling terang di bawah topeng, dengan demikian:

  • menghilangkan struktur gelap lebih kecil dari elemen penataan
  • menyusut struktur gelap yang lebih besar dengan ukuran elemen penataan
  • memperbesar struktur yang terang

Operasi erosi melakukan sebaliknya (mengambil piksel paling gelap di bawah di dalam elemen penataan), jadi jika Anda menerapkannya pada gambar melebar:

  • struktur gelap yang dihapus karena mereka lebih kecil dari elemen penataan masih hilang
  • struktur yang lebih gelap yang menyusut diperbesar lagi ke ukuran aslinya (meskipun bentuknya akan lebih halus)
  • struktur cerah dikurangi ke ukuran aslinya

Jadi operasi penutupan menghilangkan benda gelap kecil dengan hanya perubahan kecil ke benda gelap lebih besar dan benda terang.

Berikut ini contoh dengan berbagai ukuran elemen penataan:

masukkan deskripsi gambar di sini

Ketika ukuran elemen penataan meningkat, semakin banyak karakter yang dihapus. Pada radius = 5, semua karakter dihapus. Jika jari-jarinya bertambah lebih jauh, noda yang lebih kecil juga akan dihapus:

masukkan deskripsi gambar di sini

Sekarang Anda hanya membagi gambar asli dengan "gambar putih" ini untuk mendapatkan gambar kecerahan (hampir) seragam:

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

masukkan deskripsi gambar di sini

Gambar ini sekarang dapat di binerisasi dengan ambang batas konstan:

Binarize[whiteAdjusted , 0.6]

masukkan deskripsi gambar di sini


5
Wow! Ini sangat keren! +1 besar!
Phonon

@nikie +1 Sangat bagus - apa maksud Anda tepatnya dengan menutup filter harus "dipilih lebih besar dari pada stroke font"? Lebar atau panjang huruf apa saja? Lebih jauh, apa yang dilakukan dengan filter penutup 'benar-benar'? Terima kasih!
Spacey

1
@Mohammad: Saya telah menambahkan sedikit penjelasan untuk jawaban saya. Dan ya, ini adalah operasi non-linear. Judul umum adalah pemrosesan gambar morfologis.
Niki Estner

1
@nikie Sudahlah, putih adalah maks, bukan hitam. :-)
Spacey

1
@ gdelfino: Saya biasanya mencoba menghindarinya dengan menggunakan topeng yang cukup besar, dan menggunakan di Clip[ImageData[white],{eps,Infinity}]mana eps adalah angka kecil, agar aman.
Niki Estner

6

Jawaban Nikie kelihatannya terbaik dan juga tampaknya bekerja dan membuahkan hasil. Jadi ini adalah pemenang yang jelas.

Namun, hanya untuk dokumentasi saya menambahkan satu referensi lagi, itu bisa sangat cepat.

Teknik ini disebut Adaptive thresholding yang tidak perlu mempelajari latar belakang secara eksplisit.

Pada dasarnya, alih-alih menemukan ambang global yang paling cocok - kita dapat mempartisi gambar di jendela lokal (katakan tentang 7x7 atau yang sesuai) dan temukan ambang batas yang berubah saat jendela dilintasi.

Referensi di bawah ini merinci metode yang tepat. http://homepages.inf.ed.ac.uk/rbf/HIPR2/adpthrsh.htm

Metode ini akan relatif lebih cepat secara komputasi.


Bukankah kedua hal itu pada dasarnya sama? Yaitu memperkirakan rata-rata lokal dari sinyal sebelum thresholding?
Maurits

1
@Maurits Sepertinya perbedaan utama adalah pemesanan dan statistik yang digunakan. Misalnya, di operator pembukaan / penutupan, (yang terdiri dari pelebaran dan erosi tetapi dalam urutan yang berbeda), jendela dipindai raster dan maks diambil. (Antara lain). Namun dalam ambang adaptif mean / median dapat diambil alih-alih maks.
Spacey

OP juga menanyakannya pada SO , yang saya jawab. Tetapi pada prinsipnya, saya tidak berpikir ada perbedaan antara jawaban, seseorang selalu memperkirakan statistik lokal. Jika Anda melakukan thresholding adaptif, Anda juga mempelajari latar belakang dalam proses tersebut.
Maurits

6

Cara lain menggunakan filter bandpass (dalam MATLAB). Bermain-main dengan perbedaan parameter Gaussian dapat memberikan hasil yang lebih baik. Proses ini pada dasarnya adalah bandpass menyaring gambar untuk menghapus gumpalan latar frekuensi rendah, dinormalisasi ke [0,1] diperlukan untuk perintah 'graythresh', gambar ambang.

Muat gambar dan konversi ke skala abu-abu:

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

masukkan deskripsi gambar di sini

Filter menggunakan perbedaan kernel Gaussian dan menormalkan:

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

masukkan deskripsi gambar di sini

Hitung ambang batas dan buat 010101:

T = J > graythresh(J);

masukkan deskripsi gambar di sini


4

Ini adalah kode Matlab yang baik untuk ambang batas adaptif: http://www.mathworks.com/matlabcentral/fileexchange/8647-local-adaptive-thresholding


Argh! Membutuhkan toolbox pemrosesan gambar. : - /
Spacey

Memang. Maaf jika Anda belum memilikinya. Tapi DIPImage adalah Image Tolbox gratis untuk Matlab. diplib.org/documentation Ini memiliki beberapa metode untuk thresholding (periksa bagian segmentasi) dan Anda juga dapat melakukan semua operasi morfologi seperti penutupan. Pengembang juga memiliki blog cb.uu.se/~cris/blog/index.php/archives/tag/matlab
MyCarta

0

Saya Akan mencoba coding ini. Tapi saya tidak punya jawaban yang benar ...

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');

masukkan deskripsi gambar di sini

masukkan deskripsi gambar di sini


2
Jika ini dimaksudkan untuk menjawab pertanyaan, mohon jelaskan apa yang Anda lakukan dan mengapa.
Matt L.
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.