Adaptive Drempeling - Implementering van die Minimum Fout Drempeling Metode

Question

Ek probeer om te implementeer die volgende Minimum Fout Drempeling (Deur J. KITTLER en J. Illingworth) metode in MATLAB.

Jy kan 'n blik op die PDF hê:

• Scribd -. Minimum Fout Drempeling
• DocDroid -. Minimum Fout Drempeling

My kode is:

function [ Level ] = MET( IMG )
%Maximum Error Thresholding By Kittler
%   Finding the Min of a cost function J in any possible thresholding. The
%   function output is the Optimal Thresholding.

for t = 0:255 % Assuming 8 bit image
    I1 = IMG;
    I1 = I1(I1 <= t);
    q1 = sum(hist(I1, 256));

    I2 = IMG;
    I2 = I2(I2 > t);
    q2 = sum(hist(I2, 256));

    % J is proportional to the Overlapping Area of the 2 assumed Gaussians
    J(t + 1) = 1 + 2 * (q1 * log(std(I1, 1)) + q2 * log(std(I2, 1)))...
        -2 * (q1 * log(q1) + q2 * log(q2));
end

[~, Level] = min(J);

%Level = (IMG <= Level);

end

Ek het dit probeer op die volgende beeld:

Original beeld grootte .

Die doelwit is om 'n binêre beeld van die letters (Hebreeuse letters) te onttrek. Ek het aansoek gedoen die kode op sub blokke van die beeld (40 x 40). Maar ek het resultate wat minderwaardig is aan K-Middel Groepering metode .

Het ek iets gemis? Enigiemand het 'n beter idee?

Dankie.

post scriptum. Sou iemand byvoeging "Adaptive-Drempeling" om die onderwerp tags (Ek kan nie so ek is nuut).

Answer 1

Ek dink jou kode is nie ten volle korrek. Jy gebruik die absolute histogram van die beeld in plaas van die relatiewe histogram wat gebruik word in die papier. Daarbenewens, jou kode is eerder ondoeltreffende as dit bere twee histogramme per moontlik drumpel. Ek geïmplementeer om die algoritme myself. Miskien het iemand kan gebruik maak:

function [ optimalThreshold, J ] = kittlerMinimimErrorThresholding( img )
%KITTLERMINIMIMERRORTHRESHOLDING Compute an optimal image threshold.
%   Computes the Minimum Error Threshold as described in
%   
%   'J. Kittler and J. Illingworth, "Minimum Error Thresholding," Pattern
%   Recognition 19, 41-47 (1986)'.
%   
%   The image 'img' is expected to have integer values from 0 to 255.
%   'optimalThreshold' holds the found threshold. 'J' holds the values of
%   the criterion function.

%Initialize the criterion function
J = Inf * ones(255, 1);

%Compute the relative histogram
histogram = double(histc(img(:), 0:255)) / size(img(:), 1);

%Walk through every possible threshold. However, T is interpreted
%differently than in the paper. It is interpreted as the lower boundary of
%the second class of pixels rather than the upper boundary of the first
%class. That is, an intensity of value T is treated as being in the same
%class as higher intensities rather than lower intensities.
for T = 1:255

    %Split the hostogram at the threshold T.
    histogram1 = histogram(1:T);
    histogram2 = histogram((T+1):end);

    %Compute the number of pixels in the two classes.
    P1 = sum(histogram1);
    P2 = sum(histogram2);

    %Only continue if both classes contain at least one pixel.
    if (P1 > 0) && (P2 > 0)

        %Compute the standard deviations of the classes.
        mean1 = sum(histogram1 .* (1:T)') / P1;
        mean2 = sum(histogram2 .* (1:(256-T))') / P2;
        sigma1 = sqrt(sum(histogram1 .* (((1:T)' - mean1) .^2) ) / P1);
        sigma2 = sqrt(sum(histogram2 .* (((1:(256-T))' - mean2) .^2) ) / P2);

        %Only compute the criterion function if both classes contain at
        %least two intensity values.
        if (sigma1 > 0) && (sigma2 > 0)

            %Compute the criterion function.
            J(T) = 1 + 2 * (P1 * log(sigma1) + P2 * log(sigma2)) ...
                     - 2 * (P1 * log(P1) + P2 * log(P2));

        end
    end

end

%Find the minimum of J.
[~, optimalThreshold] = min(J);
optimalThreshold = optimalThreshold - 0.5;

Answer 2

Drempeling is 'n redelik moeilike besigheid. In die jare wat ek het al drempel beelde Ek het nie gevind 'n enkele tegniek wat altyd goed presteer, en ek het gekom om die eise van universeel uitstekende prestasie wantroue in CS tydskrifte.

Die maksimum fout drempel metode werk net op mooi bimodale histogram (maar dit werk goed op daardie). Jou beeld lyk soos sein en agtergrond kan nie duidelik van mekaar geskei word genoeg vir hierdie drempel metode om werk.

As jy wil om seker te maak dat die kode werk goed, kan jy 'n toets program soos hierdie te skep en kyk albei of jy 'n goeie aanvanklike segmentering, sowel as op watter vlak van 'bimodality' die kode breek.