Was sind Schwellenwertverfahren für Bilder?
Schwellenwertverfahren für Bilder teilen Pixel in Klassen ein, indem sie Helligkeit, Farbe oder einen anderen Messwert mit einem oder mehreren Schwellenwerten vergleichen. Ein globaler Schwellenwert wendet überall dieselbe Regel an, während adaptive Methoden sie je nach Region variieren.
So funktionieren Schwellenwertverfahren für Bilder
Schwellenwertverfahren wandeln einen gemessenen Bildkanal oder einen abgeleiteten Bewertungswert durch Entscheidungsgrenzen in diskrete Regionen um. Ein einzelner Schwellenwert genügt, wenn die Verteilungen von Vordergrund und Hintergrund getrennt bleiben. Lokale Regeln schätzen bei wechselnder Beleuchtung dagegen Schwellenwerte anhand von Nachbarschaften. Mehrere Schwellenwerte können mehr als zwei Klassen bilden. Die resultierende Maske geht in Dokument- und Inspektionspipelines häufig der Zusammenhangskomponentenanalyse, OCR, Morphologie, Messung oder Vektornachzeichnung voraus.
Wichtige Fakten
- Otsus Methode wählt einen globalen Schwellenwert, indem sie die Varianz innerhalb der Klassen minimiert. Überlappende oder stark ungleich verteilte Intensitätsgruppen können jedoch zu einer schlechten Trennung führen.
- Adaptive Methoden hängen von der Nachbarschaftsgröße ab: Ein zu kleines Fenster folgt Textur und Rauschen, während ein zu großes lokale Helligkeitsunterschiede nicht ausgleicht.
- Ein Schwellenwertverfahren wählt an einer geglätteten Kante eine harte Kontur aus Pixeln mit teilweiser Flächenabdeckung. Der gewählte Schwellenwert verändert daher die gemessene Fläche und die wahrgenommene Strichbreite.
Wann Schwellenwertverfahren für Bilder wichtig sind
Verwenden Sie globale Schwellenwertverfahren für gleichmäßig beleuchtetes Material und adaptive Schwellenwertverfahren für Dokumente oder Szenen mit ungleichmäßiger Beleuchtung. Ein schlecht gewählter Schwellenwert kann schwache Merkmale entfernen oder Vordergrundrauschen mit dem Motiv zusammenführen.