Table of Contents
Thresholding یک تکنیک اساسی در تقسیم بندی تصویر است که اشیاء را از پس زمینه جدا می کند و تصاویر خاکستری را به تصاویر باینری تبدیل می کند.این به طور گسترده در برنامه های مختلف مانند تصویربرداری پزشکی، تشخیص شی و بینایی کامپیوتر استفاده می شود.این راهنما یک مرور کلی از روش های رایج آستانه و استفاده های عملی آنها را فراهم می کند.
جهانی Thresholding
آستانه جهانی یک مقدار آستانه واحد را به کل تصویر اعمال می کند. Pixels با مقادیر شدت بالاتر از آستانه به عنوان پیش زمینه طبقه بندی می شوند، در حالی که کسانی که زیر زمینه هستند، این روش ساده و موثر برای تصاویر با شرایط نورپردازی یکنواخت است.
تکنیک های مشترک شامل:
- روشتسو: به طور خودکار آستانه بهینه را با حداکثر کردن اختلاف های طبقاتی تعیین می کند.
- [[۱] [۱۰] [۱۰] [۱۰] [۱۰] [۱]] [۱] [۱] [۱] [۱]] از ارزش پیش تعریف شده بر اساس دانش قبلی استفاده می کند.
- Threshold سازگار: [FLT 1] آستانه را بر اساس مناطق تصویر محلی تنظیم می کند.
Adaptive Thresholding
آستانه انطباق آستانه های مختلف را برای مناطق مختلف تصویر محاسبه می کند.این برای تصاویر با نور ناهموار یا سایه مفید است.این روش محله های پیکسل محلی را برای تعیین آستانه به صورت پویا در نظر می گیرد.
این تکنیک دقت تقسیم بندی را در شرایط نورپردازی چالش برانگیز افزایش می دهد و اغلب در پردازش سند و تصویربرداری در فضای باز استفاده می شود.
تکنیک های پیشرفته Thresholding Techniques
روش های پیچیده تر شامل:
- مقاومت مبتنی بر مقاومت: از نظریه اطلاعات برای انتخاب آستانه که به حداکثر رساندن آنتروپی استفاده می کند.
- خمس های مبتنی بر ابر: تقسیم تصاویر بر اساس خوشه بندی های پیکسل.
- چند سطح عقب نشینی: تصویر را به کلاس های متعدد با استفاده از چندین آستانه تقسیم می کند.
این تکنیک ها برای تصاویر پیچیده ای که نیاز به تقسیم بندی دقیق دارند مناسب هستند و اغلب در نرم افزار تجزیه و تحلیل تصویری تخصصی اجرا می شوند.