用于文档二值化的Niblack算法

Question

我有这张照片：

我正在尝试使用niblack算法进行文档二值化 我已经实现了简单的Niblack算法

T = mean + K * standardDiviation

这就是结果：

问题在于图像的某些部分窗口中不包含任何对象，因此它将噪声检测为对象并对其进行详细说明。

我尝试应用模糊滤镜然后进行全局阈值处理 那是结果：

任何其他过滤器都无法解决 我想唯一的解决方案是阻止算法检测全局噪声，如果窗口我没有对象

我有兴趣使用niblack算法，而不是使用其他算法，所以有任何建议吗？

Answer 1

我在本文中尝试了索沃拉算法Adaptive document image binarization J. Sauvola*, M. PietikaKinen第3.3节

它是niblack算法的修改版本，它使用了修改后的niblack方程

返回了一个很好的答案：

以及我尝试了在this paper中实现的Niblack的另一个修改 5.5算法第9a号：法国INSA里昂大学（C. Wolf，J-M Jolion）

也取得了不错的成绩：

Answer 2

你看到了这里：https://stackoverflow.com/a/9891678/105037

local_mean = imfilter(X, filt, 'symmetric');
local_std = sqrt(imfilter(X .^ 2, filt, 'symmetric'));
X_bin = X >= (local_mean + k_threshold * local_std);

如果你坚持使用niblack，我在这里看不到很多选择。您可以更改过滤器的大小和类型以及阈值。

顺便说一下，您的原始图像似乎有颜色。此信息可以显着改善黑色文本检测。

Answer 3

在这种情况下，有许多方法可以提供帮助：

1. 当然，您可以自行更改算法=）
2. 也可以应用形态滤镜：首先在窗口中应用最大值，然后在最小值后应用。您应该调整窗口大小以获得更好的结果，请参阅wiki。
3. 您可以选择最难但更好的方法并尝试改进Niblack的方案。如果标准差小于某个固定数字（应调整），则必须增加Niblack的窗口大小。

Answer 4

我通过优化尝试了k = -0.99和windows = 990的niblack算法：

Shafait –“有效实施本地自适应阈值 使用积分图像的技术”，2008年

其中：T =平均值+ K *标准差；我有这个结果：

算法的实现采用here