slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
הפרדה בין טקסט לרקע רועש PowerPoint Presentation
Download Presentation
הפרדה בין טקסט לרקע רועש

Loading in 2 Seconds...

play fullscreen
1 / 37

הפרדה בין טקסט לרקע רועש - PowerPoint PPT Presentation


  • 109 Views
  • Uploaded on

הפרדה בין טקסט לרקע רועש. Separation of text from noisy background. מריוס הרשקוביץ. תוכן. רקע שיטות ואלגוריתמים תוצאות. רקע. Image binarization, image thresholding – זהו השלב הראשון בעיבוד המסמך. Input : תמונת gray scale Output : תמונה בינארית

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'הפרדה בין טקסט לרקע רועש' - liz


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

הפרדה בין טקסט לרקע רועש

Separation of text from noisy background

מריוס הרשקוביץ

slide2
תוכן
  • רקע
  • שיטות ואלגוריתמים
  • תוצאות
slide4
Image binarization, image thresholding – זהו השלב הראשון בעיבוד המסמך.
  • Input : תמונת gray scaleOutput : תמונה בינארית
  • בשלב זה מחליטים לגבי כל פיקסל האם הוא שייך לרקע או לטקסט.
  • היכולות של אלגוריתמי הזיהוי בשלבים המאוחרים יותר מושפעות מאיכות ההפרדה בין התווים לרקע שמבוצעת בשלב זה.
slide5
דוגמאות לבעיות שפוגעות באיכות המסמכים
  • אותיות מודגשות בצבעים שונים
  • כתמים על גבי המסמך
  • איכות כתב נמוכה
  • צללים על גבי המסמך בגלל רמת תאורה נמוכה בזמן לכידת תמונת המסמך
slide6
שימושים
  • עיבוד אוטומטי של צ'קים
  • חיפוש מסמכים באינטרנט
  • זיהוי לוחיות רישוי
  • זיהוי תויות על גבי דיסקים
  • עיבוד מפות
  • Video conference
  • זיהוי צורות וכתב בשרטוטים הנדסיים
  • מערכות אוטומטיות למיון דואר
global thresholding
Global thresholding
  • threshold אחיד לכל התמונה
  • הפרדה בין טקסט או אובייקט לבין הרקע תוך שימוש במידע לגבי רמות האפור בכל התמונה בלבד
  • פיקסלים עם רמת אפור גדולה מה- threshold שייכים לרקעפיקסלים עם רמת אפור גדולה מה- threshold שייכים לטקסט
global thresholding1
Global thresholding - השגות
  • חפיפה בין ההיסטוגרמות של הרקע ושל הטקסט
  • רקע לא אחיד בעל כמה רמות אפור
global thresholding otsu s method
Global thresholdingOtsu’s method
  • על פי המקורות זאת השיטה המתקדמת ביותר ל- global thresholding
  • השיטה מעריכה את טיב ה- threshold ובוחרת threshold אופטימלי
global thresholding otsu s method1
Global thresholdingOtsu’s method - המשך
  • רמות האפור בתמונה: [1,2,…,L]
  • ni– מספר הפיקסלים עם רמת אפור i
  • N=n1+n2+…nL– סה"כ הפיקסלים בתמונה
  • pi=ni/N
  • מחלקים את הפיקסלים לשתי קבוצות:C0=[1,…,k] – פיקסלים השייכים לטקסט או לאובייקטיםC1=[k+1,…,L] - פיקסלים השייכים לרקע
global thresholding otsu s method2
Global thresholdingOtsu’s method - המשך

קריטריונים להערכת הטיב – מיקסום של אחת הפונקציות הבאות

- השונות בתוך הקבוצות

- השונות בין הקבוצות

- השונות הכללית

global thresholding otsu s method3
Global thresholdingOtsu’s method - המשך

- הסתברות הופעת הקבוצה

- תוחלת הקבוצה

global thresholding otsu s method4
Global thresholdingOtsu’s method - המשך

- שונות הקבוצה

לסיכום – בוחרים k* שנותן מקסימלי

global thresholding otsu s method6
Global thresholdingOtsu’s method – הבטים נוספים
  • ה- המקסימלי ( ) מהווה מדד ליכולת ההפרדה בין הקבוצות ולסיבוכיות התמונה
  • , 0 כאשר יש רמת אפור אחת בלבד בתמונה ו-1 כאשר יש שתי רמות אפור בלבד בתמונה
  • ככל ש יותר נמוך התמונה יותר מסובכת
recursive global thresholding
Recursive Global Thresholding
  • שיטת Otsu טובה כאשר יש בתמונה שתי קבוצות (2 peaks בהיסטוגרמה). כאשר יש בתמונה יותר משתי קבוצות השיטה מתקשה לפעול
  • שיטת Recursive Otsu הינה הרחבה של השיטה של Otsu.
  • השיטה מפעילה את האלגוריתם של Otsu שוב ושוב כאשר בכל פעם הפיקסלים שגבוהים מה- threshold הופכים לרקע (255) והפיקסלים שנמוכים מה- threshold נשארים
  • התהליך ממשיך עד אשר אין יותר peaks בתמונה או עד שהאזורים הופכים קטנים מידי
recursive global thresholding1
Recursive Global Thresholding -המשך

מצא את ההסטוגרמה של

התמונה ללא הרקע הלבן

מצא את הסטוגרמת

התמונה המקורית

השתמש בשיטת Otsu

כדי לחשב את th ו- SP

כן

SP<0.95

SP<0.95

לא

לא

התמונה מכילה את

האוביקט האחרון

כן

הפוך את הפיקסלים

שגדולים מה- th לרקע

מצא את ההסטוגרמה של

התמונה כולל הרקע הלבן

השתמש בשיטת Otsu

כדי לחשב את th ו- SP

global thresholding otsu s method recursive1
Global thresholdingOtsu’s methodRecursive– סיכום
  • השיטה פותרת את הבעיה של מספר רמות אפור ברקע
  • השיטה עדיין מתקשה לפעול כאשר יש התלכדות בין רמות האפור של הכתב והרקע
local thresholding
Local thresholding

תכונות התווים אותם רוצים לזהות

  • התווים בעלי רמות אפור נמוכות יותר מהפיקסלים שבשכנותם
  • השינויים ברמות האפור בתוך התו מוגבלים
  • התווים הם דקים ובעלי עובי נמוך מערך מסויים
  • הגבולות של התו הם בעלי contrast מקומי גדול יותר מזה של הרקע
local thresholding1
Local thresholding - המשך

האלגוריתם

  • עבור כל פיקסל (x,y) בתמונה F בוחרים threshold (T(x,y)):

T(x,y)=(Fmax(x,y)+Fmin(x,y))/2

השווה לממוצע של הערך הגדול ביותר והערך הקטן ביותר בסביבה r*r מסביב לפיקסל (x,y).

r הוא העובי של הקו

  • הקונטרסט המקומי מחושב על פי ההפרש בין המינימום והמקסימום המקומיים:

C(x,y)=Fmax(x,y)-Fmin(x,y)

local thresholding2
Local thresholding - המשך

בינאריזציה

  • t = Otsu(C(x,y))
local thresholding4
Local thresholding – סיכום

יתרון

  • השיטה פועלת גם כאשר הכתב הוא לא האובייקט בעל רמת האפור הנמוכה ביותר בתמונה

חסרון

  • מתקשה לפעול עם רקע המשתנה במהירות
logical level technique
Logical level technique
  • קובעים את עובי הקוים - W
  • משווים את הערך של כל פיקסל עם ערך הממוצע המקומי של ארבעה אזורים שכנים בגודל (2W+1)x(2W+1)
  • אם הערך של הפיקסל הוא נמוך ב- T רמות מכל ארבעת האזורים, אז הוא שייך לכתב
slide29
שיטות להערכת הטיב של האלגוריתמים
  • שיטות סובייקטיביות:
    • יכולת דחיית הרקע
    • המשכיות הקוים
    • יכולות הזיהוי של אלגוריתמים מאוחרים המוזנים על ידי ה- output של האלגוריתמי הבינאריזציה
  • שיטות אובייקטיביות:
    • זמן עיבוד
    • זכרון
    • מספר הפרמטרים
    • סיבוכיות קביעת הפרמטרים
otsu s method
Otsu’s method

k = 81

eta = 0.9790

otsu s method1
Otsu’s method

k = 143

eta = 0.7603

slide37

תמונה מקורית

Otsu’s method

Local thresholding

k = 206

eta = 0.5125

Recursive Otsu