数字图像处理-KaichenZhao.PDFVIP

自94 赵锴琛 2009011460 数字图像处理 图像二值分割 一、实验要求 文字识别是图像处理中的一种典型应用，在大多数文字识别算法中，首先需要将文本 从背景中分离出来，以便进行倾斜校正和字符分割，因此分割的过程很重要。然而在实际应 用中，我们得到的经常是下图所示那样的图像，存在光照不足，阴影…… 请利用二维灰度直方图阈值分割的理论和方法，对该图像进行二值分割处理，实现前景 文字与背景的分离。 二、算法介绍 1. 原始算法 （1）算法思想 通过二维直方图求阈值，找到一对(S,T)，使得 1 / 8 自94 赵锴琛 2009011460 达到二值化效果 (2) 求解阈值的方法 求解局域平均图像g(i,j) 即求每点的临近点的平均灰度 计算二维灰度直方图h(i,j) 利用快速算法求解背景点概率P(s,t)，二维 部分熵H(s,t)和总熵H 求解前景熵Hb和背景熵Hf，并在Hb+Hf最 大时得到阈值S ，T 其中，求解P(s,t)和H(s,t)的快速算法如下： P(s+1,t+1) = P(s+1,t) + P(s,t+1) –P(s,t) + h(s+1,t+1) H(s+1,t+1) = H(s,t+1) + H(s,t+1) –H(s,t) –h(s+1,t+1)logh(s+1,t+1) 课件上对H(s+1,t+1)的快速算法描述有错误 （3 ）算法改进 使用原始算法处理得到的二值化图像，不能令人满意，如下图： 原图 二值化图 对比原图，可以看到原因主要是： 2 / 8 自94 赵锴琛 2009011460 光照不均匀，全局图像的阈值不能用于局部。 由此，对算法做了以下两点改进：  在二值化前进行同态滤波，减小光照干扰  对图像进行分块处理，即分块求阈值，分块二值化 三、实验结果 1.同态滤波结果 2. 分块处理方法结果 首先将图片分为3*3 的9 个小块， 计算左上方的二维直方图和剩余部分的二维直方图，再计算相应阈值。 再依据两个阈值对每块进行二值化，效果不好的部分进行两种处理： 3 / 8 自94 赵锴琛 2009011460  再分块  参数微调 （1）二维灰度直方图 直 方 原图 同态滤波后的图像 图 整 体 二 维 灰 度 直 方 图 左 上 方 二 维 灰 度 直 方 图 剩 余 部 分 二 维 灰 度 直 方 图 （2 ）最终二值化处理效果 4 / 8 自94 赵锴琛 2009011460 四、自己的算法 没有最后的参数微调，开始用二维灰度直方图，即使分块，也一直都得不到令人满意的结果。 于是自己尝试了一个自己的想法，效果还不错。 算法思想： 图片中前景与背景的区别，或者说文字与纸张的区别在于某一点的文字总是比周围的纸张要 黑。因此只要比较每点和周围灰度即可。 对于每一点，若该点临近点平均灰度值比该点自身灰度值大某一阈值时，认为该点为文字， 反之认为该点为北京。 需要确定的参数： 1. 临近点平均值与自身灰度值之差 的阈值 2. 临近点取多少合适 这些参数的组合可能性是有限的，因此可以通过测试确定。 具体执行起来是这样的： 先计算