В области компьютерного распознавания образов и обработки изображения, Метод Оцу используется для выполнения пороговой бинаризации полутоновым изображений. Алгоритм предполагает наличие в изображении двух классов пикселей(текстовые и фоновые) и ищет оптимальный порог, разделяющий эти два класса так, что бы их внутри классовая дисперсия была минимальна.[1] Оригинальный метод был улучшен для поддержки многоуровневых порогов,[2] и на него ссылаются как на Мульти Оцу Метод.
Метод[]
Метод Оцу ищет порог уменьшающий девиацию внутри класса, которая определяется как взвешенная сумма девиаций двух классов:
Веса ωi - это вероятности двух классов разделенных порогом t, а σ2i - девиация этих классов.
Оцу показал что минимизация девиации внутри класса это тоже самое, что и максимизация девиации между классами:[1]
которая выражается в терминах вероятности ωi и среднее арифметическое класса μi, которое в свою очередь может обновляться итеративно. Эта идея привела к эффективному алгоритму.
Алгоритм[]
Вычислить гистограмму и вероятность для каждого уровня интенсивности
Вычислить значения для ωi и μi
Для каждого значения порога от t = 1 .. до максимальной интенсивности
Вычисляем σ2b(t)
Если σ больше чем имеющееся, то запоминаем σ и значение порога
Ссылки[]
Внешние ссылки[]
- Lecture notes on thresholding - covers the Otsu method.
Ошибка: неверное или отсутствующее изображение |
Для улучшения этой статьи желательно?
|
На эту статью не ссылаются другие статьи Википедии. Пожалуйста, воспользуйтесь [http://toolserver.org/~lvova
/cgi-bin/suggest.sh?interface=ru&title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4+%D0%9E%D1%86%D1%83 подсказкой] и установите ссылки в соответствии с принятыми рекомендациями.
|