1.1 Методы бинаризации

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

В зависимости от вида изображения применяются различные методы бинаризации:

Метод средней яркости (локальный метод):

- Вычисляем среднюю яркость;

- Определяем граничное значение яркости по формуле: ГЗ=255 – СЯ, где ГЗ - граничное значение, СЯ - средняя яркость;

- 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:

- Строится гистограмма;

- Находится максимальный уровень серого в диапазоне t=[0, 120];

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

Метод 40%:

- Строится гистограмма;

- Находится количество пикселей, соответствующий заданному проценту;

- 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.

6

Пороговый метод:

Определяется порог яркости t. Все что больше этого порога считается белым, все что меньше — черным.

При переводе в бинарное изображение могут быть потери или наоборот шумы из-за неточности сканера, поэтому после бинаризации может следовать фильтрация.

Для бинаризации изображения, полученного сканированием чертежа, целесообразно было бы использовать пороговый метод.

1.2 Способы сегментации

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.

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.

7

Метод мод:

Метод мод обычно используется при бинаризации полутоновых изображений, однако его принципы можно использовать и при выполнении сегментации. Заключается метод в том, что полученная на предыдущем этапе сегментации гистограмма, имеющая два ярко выраженных пика, может быть разделена на две части, и одни объекты или признаки, которые находятся ближе к одному пику, можно отнести к одному классу, а объекты или признаки, которые находятся ближе ко второму пику, могут быть отнесены к другому классу.

В данном курсовом проекте, учитывая область работы, было бы предпочтительнее использовать метод выделения краев, так как он позволяет избавиться от трудоемких вычислений и быстрее всего сегментировать участки изображения.