放大黑线的阈值答案

【问题标题】：Threshold to amplify black lines放大黑线的阈值
【发布时间】：2013-06-13 14:14:03
【问题描述】：

给定一张图像（如下图所示），我需要将其转换为二值图像（仅限黑白像素）。这听起来很简单，我尝试了两个阈值函数。问题是我无法使用这些功能中的任何一个获得完美的边缘。任何帮助将不胜感激。

我尝试过的过滤器是 RGB 和 HSV 空间中的欧几里得距离。

示例图片：

这是在运行 RGB 阈值过滤器之后。（40% 之后的人工制品更多）

这是在运行 HSV 阈值过滤器之后。（在 30% 时，路径变得几乎看不到，但由于噪音明显无法使用）

我使用的代码非常简单。将输入图像更改为适当的颜色空间，并用黑色检查欧几里得距离。

sqrt(R*R + G*G + B*B)

因为我是和黑色比较 (0, 0, 0)

【问题讨论】：

【解决方案1】：

您的问题似乎是扫描图像上的照明变化，这表明局部自适应阈值方法会给您带来更好的结果。

Sauvola 方法根据原始图像窗口中像素的均值和标准差计算二值化像素的值。这意味着，如果图像的某个区域通常更暗（或更亮），则会针对该区域调整阈值，并且（可能）在二值化图像中减少暗斑或褪色线条。

我还发现了 Shafait 等人的方法。以更高的时间效率实现 Sauvola 方法。缺点是您必须计算原始图像的两张完整图像，一张为每像素 8 位，另一张可能为每像素 64 位，这可能会出现内存限制问题。

我没有尝试过这两种方法，但它们看起来很有希望。我通过粗略的 Google 搜索找到了两者的 Java 实现。

【讨论】：

【解决方案2】：

在 HSV 颜色空间中的 V 通道上运行自适应阈值应该会产生出色的结果。最好的结果来自大于 11x11 大小的窗口，不要忘记为阈值选择一个负值。

自适应阈值基本上是：

if (Pixel value + constant > Average pixel value in the window around the pixel )
    Pixel_Binary = 1;
else
    Pixel_Binary = 0;

【讨论】：

【解决方案3】：

由于噪声和光照变化，您可能需要自适应局部阈值，这也感谢 Beaker 的回答。

因此，我尝试了以下步骤：

将其转换为灰度。
进行均值或中值局部阈值处理，我使用 10 作为窗口大小，使用 10 作为截距常数，得到了这个图像（较小的值也可能有效）：

如果您需要更多，请参考：http://homepages.inf.ed.ac.uk/rbf/HIPR2/adpthrsh.htm 有关此技术的信息。
为确保阈值处理工作正常，我对其进行了骨架化以查看是否存在换行符。此骨架可能是进一步处理所需的骨架。

谢谢。

【讨论】：

【解决方案4】：

您可能希望将此作为一个三步操作。

使用调平，而不仅仅是阈值：获取输入并使用仅使中间色调变暗的参数缩放强度（伽马校正），而不去除暗部或亮部（例如，您的 rgb 阈值太强. 你丢失了一些台词）。
使用小内核卷积对生成的图像进行边缘检测（二进制图像的 5x5 应该绰绰有余）。使用简单的 [1 2 3 2 1 ; 2 3 4 3 2 ; 3 4 5 4 3 ; 2 3 4 3 2 ; 1 2 3 2 1] 内核（标准化）
对结果图像设置阈值。你现在应该有一个更好的二值图像了。

【讨论】：

我是在 Android 平台上写这篇文章的，所以你能指点我一个可以为我处理这些操作的好库吗？
您指定的内核会模糊图像，而不是检测边缘。
哎呀，抱歉，@Zaphod 说的很对：那是一个平滑内核；有简单的 5x5 内核，但en.wikipedia.org/wiki/Edge_detection 很好地说明了为什么它有效，以及一些常见的内核。另外：我不确定 Android 是否有任何内置功能，但作为一种基于 Java 的语言，如果您可以访问图像的像素，那么编写卷积非常简单。创建一个与图像像素数组大小相同的数组，对图像进行卷积，将结果放入新数组中，然后根据新数组进行阈值处理。

【解决方案5】：

你可以试试黑色的top-hat transform。这涉及从图像的关闭中减去图像。我使用了 11 的结构元素窗口大小和 0.1 的恒定阈值（25.5 表示 255 比例）

你应该得到类似的东西：

然后您可以轻松阈值：

祝你好运。

【讨论】：