Niblack Schwellwertbildung

Question

Ich versuche, die Niblack Schwellwertbildung Algorithmus zu implementieren, die die Formel verwendet:

pixel = (pixel > mean + k * standard_deviation) ? object : background 

wobei k hat Standardwert 0. Könnte mir bitte jemand sagen, wie dies in Matlab implementieren? Ich kann nicht herausfinden, wie es zu tun

Answer 1

Die Macht des Matlab ist Matrix-Operationen, so dass Sie tun können, viel ohne eine einzige Schleife. Der Code unten tut, was Sie brauchen.

% define parameters 
imgname = 'rice.png'; % matlab's image 
filt_radius = 25; % filter radius [pixels] 
k_threshold = 0.2; % std threshold parameter 
%% load the image 
X = double(imread(imgname)); 
X = X/max(X(:)); % normalyze to [0, 1] range 
%% build filter 
fgrid = -filt_radius : filt_radius; 
[x, y] = meshgrid(fgrid); 
filt = sqrt(x .^ 2 + y .^ 2) <= filt_radius; 
filt = filt/sum(filt(:)); 
%% calculate mean, and std 
local_mean = imfilter(X, filt, 'symmetric'); 
local_std = sqrt(imfilter(X .^ 2, filt, 'symmetric')); 
%% calculate binary image 
X_bin = X >= (local_mean + k_threshold * local_std); 
%% plot 
figure; ax = zeros(4,1); 
ax(1) = subplot(2,2,1); imshow(X); title('original image'); 
ax(2) = subplot(2,2,2); imshow(X_bin); title('binary image'); 
ax(3) = subplot(2,2,3); imshow(local_mean); title('local mean'); 
ax(4) = subplot(2,2,4); imshow(local_std); title('local std'); 
linkaxes(ax, 'xy'); 

Answer 2

Sie können das ganze Bild verarbeiten: Sie haben drei Matrizen Unter der Annahme: img_in, Objekt, Hintergrund

flag = img_in > mean + k * standard_deviation; 
img_out = flag .* object + (1 - flag) .* background; 

Answer 3

Ich möchte im Voraus sagen, dass es nicht Niblack-Algorithmus ist, sondern eine Implementierung, die besseres Ergebnis gibt. Ich weiß nicht, wo diese Implementierung fehlschlägt, aber ich habe versucht, das obige Bild zu binarisieren und das Ergebnis ist wie folgt.

teilte ich das Bild in 25 * 25 Pixel-Block und verwendet dann einen globalen Satz Mittelwert von 90 und globalen Satz Mittelwert von 20. Und dann Otsu des Digitalisierungs auf kleine Fenster angewendet.

set_mean = 90 
set_sd = 20 
mean_block = np.mean(block) 
sd_block = np.std(block) 
if sd_block > set_sd: 
    ret, block = cv2.threshold(block, 0, 255, cv2.THRESH_OTSU) 
elif sd_block < set_sd: 
    if mean_block > set_mean: 
     block[:] = 255 #white 
    else: 
     block[:] = 0 #black 
return block 

Wenn die Standardabweichung des kleinen Fensters (SD) größer ist als der Satz ein, dann otsu die Schwellwertbildung verwendet wird, sonst basierend auf, ob der Mittelwert größer oder kleiner als Satz bedeuten, werden die Pixel in dem Fenster gesetzt um schwarz oder weiß zu vervollständigen.