پردازش تصویر: آستانه گذاری محلی و سراسری تصویر
آستانه گذاری تصویر یکی از سادهترین روشهای ناحیهبندی تصویر است. در آستانه گذاری، یک تصویر سطح خاکستری/رنگی به طور بهینه به یک تصویر باینری (سیاه و سفید) تبدیل میشود. بعد از آستانه گذاری تصویر، اشیاء (پیکسلهای مربوط به پیش زمنیه تصویر) از پس زمینه جدا میشوند و در نیتجه آن ادامه مراحل پردازش تصویر تسهیل میشود.
آستانه گذاری تصویر چیست؟
آستانه گذاری تصویر یکی از ساده ترین روشهای ناحیه بندی تصویر است که در آن مقدار پیکسلهای یک تصویر را به صفر و یک تبدیل می شود. به طور کلی در آستانه گذاری تصویر، در ابتدا یک مقدار سطح آستانه برای پیکسلهای تصویر(که میتواند یک سطح آستانه سراسری برای همه پیکسلها باشد، و یا به ازای هر پیکسل یک سطح آستانه جداگانه ای باشد) مشخص میکنیم. سپس مقدار پیکسلهای تصویر با سطح آستانه مقایسه میکنیم و اگر شدت روشنایی پیکسل بزرگتر از حد آستانه باشد به سفید و اگر کمتر باشد به سیاه تبدیل میکنیم. که در نتیجه آن، یک تصویر رنگی یا سطح خاکستری به یک تصویر باینری(سیاه و سفید) تبدیل میشود. در بیشتر مواقع ما از آستانهگذاری به عنوان یک روشی برای انتخاب نواحی مورد نظر تصویر، و حذف نواحی ای که برای ما اهیمت ندارد استفاده میکنیم.
چرا تصویر را آستانه گذاری می کنیم؟
در خیلی از موارد موقع ثبت تصویر، ممکن است اثرات نامطلوب به تصویر اضافه شود و باعث شود تحلیل تصویر برای فرد و یا روشهای کامپیوتری سخت باشد. برای همین از آستانه گذاری کمک میگیریم تا این اثرات نامطلوب را حذف کنیم. یا در یک تصویر بخشهایی از تصویر برای ما مهم هستند و مابقی بخشها برای ما اهمیتی ندارند. ما با کمک آستانه گذاری تصویر نواحی مهم را حفظ و مابقی را حذف میکنیم.
انواع روشهای آستانه گذاری تصویر
به طور کلی روشهای آستانه گذاری تصویربه دو دسته تقسیم می شوند:
- آستانه گذاری سراسری: یک سطح آستانه برای همه پیکسلهای تصویر تعریف می شود.
- آستانه گذاری محلی: سطح آستانه به صورت محلی تعریف می شود. به عبارتی به ازای هر پیکسل یک سطح آستانه مجزایی تعریف میشود.
آستانه گذاری سراسری تصویر(global thresholding)
در آستانه گذاری سراسری برای کل پیکسلهای تصویر یک سطح آستانه کلی مشخص میشود. سپس مقدار شدت روشنایی تک تک پیکسلهای تصویر با این سطح آستانه مقایسه میشوند. اگر مقدار شدت روشنایی یک پیکسل بزرگتر از سطح آستانه باشد، به مقدار یک (سفید) و اگر کوچکتر باشد به مقدار صفر(سیاه) تبدیل میشود. در نتیجه این فرایند یک تصویر باینری (سیاه و سفید) ساخته میشود. که محتوای تصویر خروجی از لحاظ شدت روشنایی به دو گروه سیاه و سفید تقسیم میشوند.
معروفترین روش برای آستانه گذاری سراسری، روش اتسو هست. در این روش از روی هیستوگرام تصویر یک سطح آستانه بهینه برای کل پیکسلهای تصویر محاسبه میشود.
مزیت روشهای آستانه گذاری سراسری
روشهای آستانه گذاری سراسری پیچیدگی محاسباتی کمتری دارند و زمان اجرای برنامه در مقایسه با روشهای آستانه گذاری محلی بسیار کمتری دارند.
ایراد روشهای آستانه گذاری سراسری
آستانه گذاری سراسری زمانی درست عمل میکند، که پیکسلهای تصویر به طور کلی از دو گروه شدت روشنایی تشکیل شوند، به عبارتی این روشها زمانی خوب عمل میکنند که هیستوگرام تصویر شامل دو قله باشد. در غیراینصورت با این رویکرد حد آستانه مناسبی انتخاب نشده و در نتیجه تصویر به طور بهنیه به باینری تبدیل نمیشود.
به عبارت دیگر، زمانی که پیش زمینه(background) تصویر ورودی یکنواخت نباشد، انتخاب یک حد آستانه سراسری برای کل پیکسلهای تصویر امکانپذیر نخواهد بود. چرا که در این حالت حد آستانه انتخاب شده، ممکن است برای یک ناحیه از تصویر مناسب باشد و یک ناحیه مناسب نباشد. در نتیجه همه پیکسلهای تصویر به درستی به باینری تبدیل نشوند.
در زیر نتیجه آستانه گذاری سراسری برای تصویر تکست نشان داده شده است. همانطور که مشاهده میکنید، آستانه گذاری سراسری برای چنین تصاویری اصلا مناسب نیست.
آستانه گذاری محلی تصویر(local/adaptive thresholding)
در آستانه گذاری محلی، به جای اینکه برای کل تصویر یک حد آستانه تعریف شود، برای هر پیکسل بر اساس اطلاعات پیکسلهای همسایه آن یک حد آستانه مجزایی تعریف میشود.در این حالت دیگر مشکل روشهای سراسری ایجاد نخواهد شد، چرا برای هر ناحیه از تصویر یک حد آستانه مناسب و منحصر به فردی تعریف میشود و در نتیجه آن تمام بخشهای تصویر به طور مناسب به باینری تبدیل میشوند. روشهای آستانه گذاری محلی ارائه شده توسط Wellner و Bradley از معروفترین روشهای آستانه گذاری محلی هستند.
روش آستانه گذاری سازگار Wellner
در روش Wellner، همانند تصویر زیر، برای تعیین حد آستانه هر پیکسل از پیکسلهای همسایه در یک ردیف(سطر) کمک میگیرند و حد آستانه را تعریف میکنند. به این صورت که در ابتدا یک تعداد پیکسل همسایه انتخاب می شود، و سپس میانگین وزندار(وزن هر پیکسل همسایه بستگی میزان فاصله پیکسل همسایه به پیکسل مدنظر تعریف می شود) مقدار شدت روشنایی پیکسلهای همسایه محاسبه می شود و از آن به عنوان حد آستانه پیکسل مورد نظر استفاده میشود.
روش آستانه گذاری سازگار Bradley
در روش Bradley، برای تعیین حد آستانه هر پیکسل از پیکسلهای همسایه (در همه جهتها) کمک میگیرند و حد آستانه را تعریف میکنند. به این صورت که در ابتدا یک تعداد پیکسل همسایه در یک پنجره انتخاب می شود، و سپس میانگین مقدار شدت روشنایی پیکسلهای همسایه محاسبه می شود که از آن به عنوان حد آستانه پیکسل مورد نظر استفاده می شود.
در این روش برای محاسبه حد آستانه هر پیکسل(محاسبه میانگین پیکسلهای همسایه هر پیکسل)، از تصویر انتگرال کمک گرفته میشود تا میزان پیچیدگی محاسبات بسیار کاهش یابد و زمان اجرای برنامه کمتری داشته باشد. در تصویر زیر نتیجه آستانه گذاری محلی با روش Bradley را نشان داده شده است. همانطور که مشاهده میکنیم، با آستانه گذاری محلی تصویر به طور بهینه ای به باینری تبدیل شده است.
در فصل اول دوره پردازش تصویر روشهای آستانه گذاری تصویر را کامل توضیح دهیم. در ابتدا تئوری و رویکرد تمامی روشها توضیح داده شده، سپس به صورت مرحله به مرحله پیاده سازی کرده ایم. و در نهایت هم چندین پروژه عملی انجام داده ایم تا با کاربرد همه روشها به صورت عملی آشنا شویم.
سلام
ممنون از مطالب آموزنده و خوبتون…
سلام
ممنون از توجه و همراهی شما…
فن بیان بسیار عالی و حرفه ای دارید
ممنون از لطف و محبت شما