1. Бинаризация

Бинаризацией называется процесс преобразования полутонового изображения в изображение, яркость пикселей которого может иметь только два значения – 0 или 1.Такое изображение называется бинарным.

Как видно из определения, изображение должно быть полутоновым, чтобы его можно было бинаризировать. Для перевода изображения из цветного в полутоновое существуют следующие методы:

• I=0,5*(max(R,G,B)+min(R,G,B)) , где I – яркость исследуемого пикселя. Следует отметить, что при переводе в полутоновое одним из этих методов качество изображения ухудшается.

• I=(R+G+B)/3, где I – яркость исследуемого пикселя;

• Наиболее эффективным является перевод по формуле: Y=0.299 R+0.587 G+0.114B.

После этого можно бинаризировать изображение.

В зависимости от вида изображения применяются различные методы бинаризации:

• Метод средней яркости (локальный метод):

1. Вычисляем среднюю яркость

2. Определяем граничное значение яркости по формуле:

ГЗ=255 – СЯ, где ГЗ- граничное значение, СЯ- средняя яркость.

3. Пиксель становится черным, если среди его соседей есть хотя бы один пиксель яркость которого удовлетворяет условию:

Яркость ≤ ГЗ, либо яркость анализируемого пикселя ≤ яркости связного с ним +Step, Step= 1…2.

При этом важно чтобы связующий пиксель был уже включен в группу пикселей, которые будут отмечены как черные.

• Метод «Мод»:

Выполняется построение гистограммы яркости. По построенной гистограмме выбирается значение яркости соответствующее впадине или минимуму между двумя максимальными вершинами гистограммы. Недостатком данного метода является зависимость результата от гистограммы.

• Метод 120:

1. Строится гистограмма

2. Находится максимальный уровень серого в диапазоне t=[0, 120]

3. Черный цвет устанавливается у пикселей, яркость которых меньшелибо равна порогового значения плюс 12…15, в остальных случаях цвет белый.

• Метод 40%:

1. Строится гистограмма

2. Находится количество пикселей, соответствующий заданному проценту

3. Отсчитывается количество пикселей по градациям яркости, начиная с 0 и до момента, когда это количество будет превышать количество пикселей, заданных в постановке задачи бинаризации, и градация, на которой произошла постановка становится порогом бинаризации.

После этого идет процесс фильтрации. При переводе в бинарное изображение могут быть потери или наоборот шумы из-за неточности сканера.

2. Сегментация

Проблема сегментации зачастую возникает при рассмотрении задачи оптического распознавания текста. Сегментация — это процесс разделения цифрового изображения на несколько сегментов. Цель сегментации заключается в упрощении и/или изменении представления изображения, чтобы его было проще и легче анализировать. Сегментация изображений обычно используется для того, чтобы выделить объекты и границы (линии, кривые, и т. д.) на изображениях. Более точно, сегментация изображений — это процесс присвоения таких меток каждому пикселю изображения, что пиксели с одинаковыми метками имеют общие визуальные характеристики.

В настоящее время существует довольно много систем сегментации и обработки текстовых изображений. Наиболее известной из них является программный продукт “FineReader” компании ABBYY. Данный продукт является универсальным инструментом при работе с текстовыми изображениями. Он позволяет выделить текст на изображении и распознать его. Также всостав ABBYY FineReader входят словари для проверки орфографии они потребуются для детальной перепроверки полученных результатов работы. Еще одно достижение разработчиков ABBYY – включение в движок поддержки распознавания фотографий. Но по-прежнему основным недостатком подобных систем является высокая стоимость.

Результатом сегментации изображения является множество сегментов, которые вместе покрывают всё изображение, или множество контуров, выделенных из изображения. Все пиксели в сегменте похожи по некоторой характеристике или вычисленному свойству, например по цвету, яркости или текстуре. Соседние сегменты значительно отличаются по этой характеристике.Существуют следующие методы сегментации:

• Выделение краёв:

Границы и края областей сильно связаны, так как часто существует сильный перепад яркости на границах областей. Поэтому методы выделения краёв используются как основа для другого метода сегментации. Недостаток – обнаруженные края часто бывают разорванными. Но чтобы выделить объект на изображении, нужны замкнутые границы области.

• Методы с использованием гистограммы:

Методы с использованием гистограммы очень эффективны, когда сравниваются с другими методами сегментации изображений, потому что они требуют только один проход по пикселям. В этом методе гистограмма вычисляется по всем пикселям изображения и её минимумы и максимумы используются, чтобы найти кластеры на изображении. Цвет или яркость могут использоваться при сравнении. Недостаток этого метода — затруднительный поиск значительных минимумов и максимумов на изображении.