0 evaluări0% au considerat acest document util (0 voturi)
42 vizualizări2 pagini
El método de umbral de Otsu implica iterar a través de todos los posibles valores de umbral y calcular una medida de dispersión para los niveles de píxel a cada lado del umbral. El objetivo es encontrar el valor umbral en el que la suma de los márgenes de primer plano y de fondo está en su mínimo. Un enfoque más rápido es calcular la varianza entre clases, que es más rápido de calcular y también se puede usar para encontrar el mejor umbral.
Descriere originală:
Este documento se subió solamente para descargar otro no te servirá de nada esta básico al berga perro
El método de umbral de Otsu implica iterar a través de todos los posibles valores de umbral y calcular una medida de dispersión para los niveles de píxel a cada lado del umbral. El objetivo es encontrar el valor umbral en el que la suma de los márgenes de primer plano y de fondo está en su mínimo. Un enfoque más rápido es calcular la varianza entre clases, que es más rápido de calcular y también se puede usar para encontrar el mejor umbral.
El método de umbral de Otsu implica iterar a través de todos los posibles valores de umbral y calcular una medida de dispersión para los niveles de píxel a cada lado del umbral. El objetivo es encontrar el valor umbral en el que la suma de los márgenes de primer plano y de fondo está en su mínimo. Un enfoque más rápido es calcular la varianza entre clases, que es más rápido de calcular y también se puede usar para encontrar el mejor umbral.
El método de umbralización de Otsu implica iterar a través de todos los
posibles valores de umbral y calcular una medida de dispersión para los niveles de píxel a cada lado del umbral, es decir, los píxeles que caen en primer plano o en segundo plano. El objetivo es encontrar el valor umbral en el que la suma de los márgenes de primer plano y de fondo está en su mínimo. El algoritmo se demostrará utilizando la siguiente imagen de 6x6 que se muestra a continuación. El histograma de la imagen se muestra junto a él. Para simplificar la explicación, solo se utilizan 6 niveles de escala de grises. Ahora se muestran los cálculos para encontrar las variaciones de fondo y primer plano (la medida de dispersión) para un único umbral. En este caso, el valor de umbral es 3. El siguiente paso es calcular la 'Varianza dentro de la clase'. Esta es simplemente la suma de las dos varianzas multiplicadas por sus pesos asociados. Este valor final es la "suma de las variaciones ponderadas" para el valor de umbral 3. Este mismo cálculo debe realizarse para todos los posibles valores de umbral de 0 a 5. El umbral igual a 3, además de usarse para el ejemplo, también tiene la suma más baja de varianzas ponderadas. Por lo tanto, este es el umbral final seleccionado. Todos los píxeles con un nivel inferior a 3 son de fondo, todos aquellos con un nivel igual o superior a 3 son de primer plano. Este enfoque para calcular el umbral de Otsu es útil para explicar la teoría, pero es computacionalmente intensivo, especialmente si tiene una escala de grises completa de 8 bits. La siguiente sección muestra un método más rápido de realizar los cálculos que es mucho más apropiado para las implementaciones. Un enfoque más rápido Mediante un poco de manipulación, puede calcular lo que se llama la varianza entre clases, que es mucho más rápido de calcular. Afortunadamente, el umbral con el máximo entre varianza de clase también tiene el mínimo dentro de la varianza de clase. Por lo tanto, también se puede usar para encontrar el mejor umbral y, por lo tanto, debido a que es más simple, es un enfoque mucho mejor para su uso. Descripción o Orígenes Llamado así por Nobuyuki Otsu(No Notsu Nobuyuki), usado para realizar automáticamente el umbral de imagen basado en clústeres o la reducción de una imagen a una imagen binaria. Donde el algoritmo supone que la imagen contiene dos clases de píxeles después del histograma. TRATA Encontremos y busquemos exhaustivamente el umbral que minimiza la varianza intraclase (la varianza dentro de la clase), definida como una suma ponderada de varianzas de las dos clases(PESOS) Autorreflexión Es un simple pero eficaz método de binarización, este método esta principalmente limitado a un histograma bimodal. Resultado: “Esto provoca que imágenes que naturalmente estén en un tono de gris se verán mas beneficiadas que otras” Conclusión El utilizar este método en imágenes RGB ocasiona que estas pierdan elementos importantes durante el calculo del histograma(Valles). POR LO TANTO Este no es capaz de mejorar la calidad de la imagen por si solo, es necesario de combinar varios métodos para tener el mejor resultado posible.