تکنیک های thresholding تصویر
یه مقاله در مورد تکنیک های آستانه گیری تصویر واستون آماده کردم :
در بسیاری از کاربردهای پردازش تصویر ، پیکسل های سطوح خاکستری متعلق به شی با پیکسلهای سطوح خاکستری متعلق به پس زمینه ، کاملا متفاوت هستند. با این که آستانه گیری بسیار ساده به نظر می آید ولی ابزار مناسبی جهت جداسازی اشیا از پس زمینه است. نمونه هایی از کاربرد های آستانه گیری شامل : تجزیه و تحلیل تصویر اسناد که هدف آن استخراج ویژگی های چاپ شده است ، لوگو ها ، محتوای گرافیکی ، علائم ، پردازش صحنه ای که برای یک هدف شناسایی می شود، بررسی کیفیت مواد ، دیگر کاربرد ها شامل تصاویر سلول و بیان دانش ، روش های مختلف قطعه بندی تصویر برای کاربردهای تست غیر مخرب ( NDT ) ، در تصاویر فراصوت ، تصاویر جریان گردابی ، تصاویر حرارتی ، توموگرافی کامپیوتری اشعه X ، استخراج لبه ، در کل فرآیند قطعه بندی تصویر ، قطعه بندی فضا – زمان در تصاویر ویدئویی و بسیاری کاربردهای دیگر.
خروجی عمل آستانه گیری یک تصویر باینری است. که سطح خاکستری 0 ( سیاه ) پیکسل متعلق به یک چاپ ، علامت ، نقاشی یا هدف و سطح خاکستری 1 ( سفید ) پس زمینه را نشان می دهد.
مشکلات اصلی در رابطه با thresholding در اسناد و کاربردهای NDT اتفاق می افتد ، زمانی که در آنها نویز غیر ثابت ، همبسته و غیر گوسی باشد. عوامل پیچیده ی دیگر در عمل آستانه گیری ، نور محیط ، تغییرات سطوح خاکستری در شی و پس زمینه ، contrast نامناسب ، شکل شی و اندازه ی نامتناسب با این صحنه را می توان نام برد. در نهایت فقدان اقدامات عینی برای ارزیابی عملکرد الگوریتم های آستانه گیری یکی دیگر از این نواقص بشمار می رود.
تجزیه و تحلیل تصویر اسناد و سیستم بازشناسی شامل چندین تکنیک پردازش تصویر می شود ، که ابتدا با دیجیتالی کردن سند و نهایتا به بازشناسی ویژگی ختم خواهد شد. آستانه گیری به عنوان یکی از تکنیک های سطح پایین در پردازش تصویر مورد استفاده قرار می گیرد ، مثلا در تجزیه و تحلیل تصویر اسناد ، قبل از مرحله ی تحلیل سند ، برای بدست آوردن یک تصویر باینری . مرحله ی آستانه گیری می تواند بسیار مهم و برای رسیدن به مراحل بعدی ، تقسیم بندی از سند به اشیاء متن و صحت OCR ( شناسایی نوری کاراکتر ) تاثیر گذار باشد. آستانه ی نامناسب باعث تیرگی ، streaks ، محو شدن قطعه بندی سند مخدوش شده و کارهای شناسایی می شود. ادغام ، شکستگی و تغییرات دیگری در شکل ویژگی به عنوان یک نتیجه از آستانه گیری نادرست و دلیل اصلی شکست در عملکرد OCR شناخته می شود. الگوریتم های آستانه گیری به نوبه ی خود بستگی به عوامل زیادی از جمله توزیع سطح خاکستری اسناد ، اثرات سایه محلی ، قسمت های متراکم ، اجزا ی غیر متنی مثل گرافیک ، کیفیت کاغذ و غیره دارنند.
در کاربردهای NDT آستانه گیری دو مرتبه اولین گام در یک سری از عملیات پردازش از قبیل فیلتر مورفولوژیکی ، اندازه گیری و ارزیابی آماری بشمار می رود. در حالی که تصاویر اسناد حداقل یک دسته از تصاویر NDT را تشکیل می دهند ، این تصاویر می توانند با اهداف گوناگون و به روش های مختلفی استخراج شوند. بنابراین ممکن است ، پیش بینی یک روش آستانه گیری کلی که برای تمام موارد NDT صدق کند ، به نظر سخت و مشکل باشد. با توجه به ماهیت نسبتا متفاوت سند و تصاویر NDT، گمان می رود که الگوریتم های آستانه گیری که به خوبی برای تصاویر اسناد اعمال می شود، لزوما عملکرد بهتری نسبت به تصاویر NDT و بلعکس ندارند.
در این مطالعه الگوریتم های آستانه گیری با توجه به نوع اطلاعات مورد استفاده طبقه بندی شدند. تشخیص این مقاله بر شش دسته شامل :
1- اطلاعات آنتروپی هیستوگرام (Histogram entropy information )
2- اطلاعات شکل هیستوگرام (Histogram shape information )
3- اطلاعات ویژگی تصویر مانند خطوط ( Image attribute information )
4- خوشه بندی اطلاعات سطح خاکستری (Clustering of gray-level information )
5- ویژگی های تطبیقی محلی (Locally adaptive characteristics )
6- اطلاعات مکانی (Spatial information )
است.
عملکرد آنها بر روی یک مبنای مقایسه ای برای تصاویر سند دراستخراج اشکال ویژگی و برای تصاویر NDT در استخراج اشیا پیش زمینه از قبیل بخش های معیوب ، ترک ، شکاف و غیره در سطح یا شکل فلزات به کار می رود. برای پرداختن به جنبه های مختلف استخراج اشیاء باینری چندین معیار استفاده می شود. این معیارها نشان دهنده ی اغتشاش بین پیکسل های پیش زمینه و پس زمینه ( خطا در کلاس بندی ، خطای ناحیه ی پیش زمینه ) اعوجاج شکل ، ( عدم تطابق لبه ) و نواحی غیر یکنواخت است. توجه داشته باشید که چهار معیار اول نیاز به داده های ground-truthدارد و امتیاز این معیارها به طور متوسط بیش از همه تصاویر آزمون برای رسیدن به کیفیت عملکرد کلی برای هر یک از روش ها ی آستانه گیری است.
ترجمه ی بقیه اش با خودتون ، لینک دانلودش هم هست ... موفق باشین.
https://www.dropbox.com/s/sbnxh45bsvdd4bo/thresholding%20review.doc?m
----------------------------------------------------------------------------------------------------------
تنها باران است که گاهی در اوج تنهایی من در آن لحظه که هیچ کس نیست،
با من از تو می گوید…
ولی درد من این است که دیریست باران نمی بارد!
اکثر ما موفقیت را قله ای دور از دسترس می بینیم و این گاهی باعث می شود هیچ تمایلی به سعی و تلاش از خود نشان ندهیم. چرا سختی بکشیم وقتی به هر حال این راه طی می شود و به پایان می رسد؟ این تصور از پیروزی اشتباه و مهلک است. اینشتین روز و شب تلاش کرد و بر کاستی ها و مسائل علم فیزیک غلبه کرد اما نه یک شبه! هدفی غایی در ذهن داشت و می دانست با هر گامی که به جلو بر می دارد یک قدم به آن چه در ذهنش دارد نزدیکتر می شود. کار کوچکی که در یک زمان محدود انجام می دهی شاید به نظر بزرگ و مهم نرسد اما بدان که در مقیاس بزرگتر حرکتی است کوچک در مسیری طولانی به سوی هدفی بزرگ !