Was ist adaptive Schwellenwertbildung?
Die adaptive Schwellenwertbildung segmentiert ein Bild, indem sie Schwellenwerte aus lokalen Pixelumgebungen berechnet, statt einen globalen Grenzwert anzuwenden. Üblicherweise erzeugt sie aus einer Graustufeneingabe Vordergrund- und Hintergrundbereiche.
So funktioniert adaptive Schwellenwertbildung
Die adaptive Schwellenwertbildung schätzt für jedes Pixel einen Grenzwert anhand benachbarter Intensitätswerte. So reagiert die Segmentierung auf räumlich unterschiedliche Beleuchtung. Gängige Implementierungen vergleichen das Pixel mit einem lokalen Mittelwert oder gewichteten Mittelwert, der um eine Konstante angepasst wird. In Abläufen zur Dokumentbereinigung, Merkmalsextraktion oder Objektanalyse wird sie meist nach der Graustufenumwandlung eingesetzt. Dabei bestimmen die Fenstergröße und die Rauschbehandlung, ob relevante Strukturen erhalten bleiben.
Wichtige Fakten
- Eine zu kleine Pixelumgebung folgt Sensorrauschen und Texturen. Eine zu große verhält sich dagegen eher wie ein globaler Schwellenwert und kann lokale Beleuchtungsänderungen übersehen.
- Lokale Schwellenwerte auf Mittelwertbasis lassen sich durch Flächensummenberechnungen beschleunigen. Gewichtete Pixelumgebungen erfordern dagegen andere Filterberechnungen und gewichten nahegelegene Abtastwerte stärker.
- Das binäre Ergebnis verwirft Graustufeninformationen. Pipelines sollten deshalb das Quellbild aufbewahren, wenn spätere OCR, Prüfungen oder erneute Parameteranpassungen die ursprünglichen Tonwertinformationen benötigen könnten.
Wann adaptive Schwellenwertbildung wichtig ist
Wählen Sie lokale Schwellenwerte für Scans mit Schatten, Helligkeitsverläufen oder ungleichmäßiger Beleuchtung. Die Größe der Pixelumgebung und die Schwellenwertparameter müssen abgestimmt werden. Andernfalls können Textstriche verschwinden und Rauschen als Vordergrund erscheinen.