Cybernetics Wiki
Advertisement

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[]

  1. 1,0 1,1 N. Otsu (1979). "A threshold selection method from gray-level histograms". IEEE Trans. Sys., Man., Cyber. 9: 62-66.
  2. Ping-Sung Liao and Tse-Sheng Chen and Pau-Choo Chung (2001). "A Fast Algorithm for Multilevel Thresholding". J. Inf. Sci. Eng. 17: 713-727.


Внешние ссылки[]


Advertisement