تکنیک های Thresholding در پردازش تصویر برای تقسیم اشیاء از پس زمینه ضروری هستند.آنها با تبدیل تصاویر خاکستری به تصاویر باینری، به سادگی کمک می کنند و شناسایی و تجزیه و تحلیل اشیاء آسان تر می شود.

روش های پایه Thresholding Methods

آستانه ساده شامل انتخاب یک مقدار شدت پیکسل، به نام آستانه، برای جدا کردن اشیاء از پس زمینه است. Pixels با intensities بالاتر از آستانه به عنوان پیش زمینه طبقه بندی شده است، در حالی که کسانی که زیر پس زمینه هستند.

این روش برای تصاویر با کنتراست روشن بین اشیاء و تکنیک های مشترک شامل آستانه جهانی است که در آن یک آستانه واحد برای کل تصویر اعمال می شود.

Adaptive Thresholding

آستانه انطباق مقدار آستانه برای مناطق مختلف تصویر بر اساس حساسیت های پیکسل محلی تنظیم می کند.این رویکرد برای تصاویر با نورپردازی ناهموار یا پس زمینه های مختلف مفید است.

این آستانه ها را به صورت پویا محاسبه می کند، بهبود دقت تقسیم بندی در صحنه های پیچیده، تکنیک ها شامل معنی و آستانه انطباق Gaussian است.

روش Otsu

روش Otsu به طور خودکار آستانه بهینه را با به حداقل رساندن تفاوت های سطح داخلی تعیین می کند.این هیستوگرام از intensities پیکسل را تجزیه و تحلیل می کند تا آستانه ای را پیدا کند که بهترین آن را از پیش زمینه و پس زمینه جدا می کند.

این تکنیک برای تصاویر دودویی موثر است که در آن پیش زمینه و پس زمینه توزیع شدت متمایز دارند.

برنامه های کاربردی عملی

Thresholding به طور گسترده ای در تشخیص شی، تصویربرداری پزشکی و بینایی ماشین استفاده می شود.این تصاویر را برای تسهیل استخراج ویژگی و شناخت شی ساده می کند.

  • تصویر تقسیم بندی
  • شمارش اشیا
  • حذف پس زمینه
  • تشخیص Edge