La formación de umbrales es el método más simple de la segmentación de la imagen. Los pixeles individuales en una imagen del Grayscale se marcan como pixeles del “objeto” si su valor es mayor que un cierto valor de umbral (si se asume que un objeto para ser más brillante que el fondo) y como pixeles del “fondo” de otra manera. Típicamente, un pixel del objeto se da un valor de “1” mientras que un pixel del fondo se da un valor de “0.”

El parámetro dominante en formación de umbrales es obviamente la opción del umbral. Varios diversos métodos para elegir un umbral existen. El método más simple sería elegir el medio o el valor mediano, el análisis razonado que es que si los pixeles del objeto son más brillantes que el fondo, ellos debe también ser más brillante que el promedio. En una imagen silenciosa con valores uniformes del fondo y del objeto, el malo o el punto medio trabajará maravillosamente como el umbral, no obstante hablando en t3erminos generales, éste no será el caso. Un acercamiento más sofisticado pudo ser crear un histograma de las intensidades del pixel de la imagen y utilizar el punto del valle como el umbral. El acercamiento del histograma asume que hay un cierto valor medio para los pixeles del fondo y del objeto, pero que los valores reales del pixel tienen cierta variación alrededor de estos valores medios. Sin embargo, esto no es de cómputo tan simple como quisiéramos, y muchos histogramas de la imagen no tienen puntos bien definidos del valle. Estamos buscando ideal un método para elegir el umbral que es simple, no requiere demasiado conocimiento anterior de la imagen, y trabaja bien para las imágenes ruidosas. Un bueno tal acercamiento es un método iterativo, como sigue: Se elige el

un umbral inicial (t), esto se puede hacer aleatoriamente o según cualquier otro método deseado.

  • La imagen se divide en segmentos en los pixeles del objeto y del fondo como se describe anteriormente, creando dos sistemas: G_1 = {f (m, n):
  • de f (m, n)>T} (pixeles del objeto) G_2 = {f (m, n): f (m, n) \ leT} (pixeles) del fondo (nota, f (m, n) es el valor del pixel situado en la columna del m^ {th} , la fila del n^ {th} )
  • de El promedio de cada sistema se computa. m_1 = valor medio del
  • de G_1 m_2 = valor medio del
  • de G_2 Se crea un nuevo umbral que es el promedio de de m_1 y de m_2 T' = (m_1 + m_2) /2
  • de Vuelve al paso dos, ahora usar el nuevo umbral computado en el paso cuatro, la subsistencia que repite hasta que el nuevo umbral empareje el que está antes de él (es decir hasta que se haya alcanzado la convergencia ).

    Este algoritmo iterativo es un caso unidimensional especial k-significa el algoritmo de agrupamiento de, que se ha demostrado converger en un minimum&mdash local del ; significando que puede un diverso inicial del umbral resultado de en un diverso resultado final.

    Lista de métodos


    la entropía basó métodos.
    El racimo basó métodos.
    Asunciones as priori del sobre la distribución de población del fondo (e. “es un gausiano ").
    Métodos locales.
    Método de Otsu.
  • Zenithic
  • D'Aguilar National Park
    Random links:Economía de Botswana | Carlisle, Kentucky | Bombardero ligero | Corte de Limehouse | Ruta 61 de Hawaii

  • © 2007-2008 enciclopediaespana.com; article text available under the terms of GFDL, from en.wikipedia.org
    ="http://pagead2.googlesyndication.com/pagead/show_ads.js">