私はこの写真を持っています：
そして、私はniblackアルゴリズムを使用してドキュメントの二値化を試みています単純なNiblackアルゴリズムを実装しました
T = 平均 + K* 標準偏差
それが結果でした：
問題は、ウィンドウにオブジェクトが含まれていない画像の一部があるため、ノイズをオブジェクトとして検出し、それらを詳しく説明することです。
ぼかしフィルターを適用してから、結果であるグローバルしきい値を適用しようとしました:
これは他のフィルターでは解決されません。唯一の解決策は、ウィンドウがオブジェクトから解放された場合、アルゴリズムがグローバルノイズを検出できないようにすることだと思います
他のアルゴリズムを使用せずにniblackアルゴリズムを使用してこれを行うことに興味があるので、何か提案はありますか?
この論文で sauvola アルゴリズムを試しましたAdaptive document image binarization J. Sauvola*, M. PietikaKinen セクション 3.3
これは、niblack の修正された方程式を使用する niblack アルゴリズムの修正版です。
これはかなり良い答えを返しました:
同様に、5.5 アルゴリズム No. 9a のこの論文 で実装されている Niblack の別の修正を試みました: リヨン大学、INSA、フランス (C. Wolf、JM Jolion)
これも良い結果を返しました：
ここを見ましたか：https ：//stackoverflow.com/a/9891678/105037
local_mean = imfilter(X, filt, 'symmetric');
local_std = sqrt(imfilter(X .^ 2, filt, 'symmetric'));
X_bin = X >= (local_mean + k_threshold * local_std);
あなたがniblackを使うことを主張するなら、私はここに多くのオプションを見ません。フィルタのサイズとタイプ、およびしきい値を変更できます。
ところで、元の画像には色があるようです。この情報により、ブラックテキストの検出が大幅に向上します。
最適化を使用して、k=-0.99 および windows=990 で niblack アルゴリズムを試しました。
Shafait – 「積分画像を使用したローカル適応しきい値処理技術の効率的な実装」、2008 年
with : T = 平均 + K* standardDiviation; 私はこの結果を持っています:
アルゴリズムの実装はここで行われます