Главная
Новости
Статьи
Ремонт
Каркасный дом
Несущие конструкции
Металлические конструкции
Прочность дорог
Дорожные материалы
Стальные конструкции
Грунтовые основания
Опорные сооружения




15.06.2021


15.06.2021


14.06.2021


13.06.2021


12.06.2021


12.06.2021


10.06.2021





Яндекс.Метрика

Алгоритм сбалансированного порогового отсечения гистограммы

22.05.2021

При обработке изображений, алгоритм сбалансированного порогового отсечения гистограммы, используется для бинаризации полутонового изображения. В этом алгоритме предполагается, что изображение содержит пиксели двух классов, принадлежащие фону и переднему плану. Как и метод Оцу и метод итеративного выбора порога, он основан на итеративном нахождении порогового значения, которое разделяет пиксели на данные классы. В этом методе взвешиваются две равные доли гистограммы. Если одна часть перевешивает, то из более тяжелой части удаляется наиболее крайний столбик. Итеративная процедура заканчивается, когда в гистограмме остается только один столбик и соответствующее ему значение интенсивности выбирается в качестве порогового значения.

Учитывая простоту алгоритма, его можно рекомендовать в качестве первого подхода при изучении алгоритмов бинаризации полутоновых изображений.

Алгоритм

Следующая программа на языке Си — это упрощенная версия алгоритма сбалансированного порогового отсечения гистограммы:

int BHThreshold(int[] histogram) { i_m = (int)((i_s + i_e) / 2.0f); // расчет центра весов I_m w_l = get_weight(i_s, i_m + 1, histogram); // вес левой части гистограммы W_l w_r = get_weight(i_m + 1, i_e + 1, histogram); // вес правой части гистограммы W_r while (i_s <= i_e) { if (w_r > w_l) { // правая часть тяжелее w_r -= histogram[i_e--]; if (((i_s + i_e) / 2) < i_m) { w_r += histogram[i_m]; w_l -= histogram[i_m--]; } } else if (w_l >= w_r) { // левая часть тяжелее w_l -= histogram[i_s++]; if (((i_s + i_e) / 2) > i_m) { w_l += histogram[i_m + 1]; w_r -= histogram[i_m + 1]; i_m++; } } } return i_m; }

Иногда алгоритм может давать неоптимальные результаты при обработке сильно зашумленных изображений, поскольку шум может привести к ошибкам при выделении долей гистограммы. Можно значительно ослабить влияние шума, если исключить из рассмотрения непрезентативные столбики гистограммы, расположенные на её концах.