Balanced_histogram_thresholding
で画像処理、バランスのとれたヒストグラム閾値法（BHT）、自動画像のために使用される非常に簡単な方法であるしきい値。大津の方法や反復選択しきい値法と同様に、これはヒストグラムベースのしきい値法です。このアプローチは、画像が背景と前景の2つの主要なクラスに分割されていることを前提としています。BHTの方法は、2つのクラスにヒストグラムを分割し、最適なしきい値レベルを見つけようとします。
元の画像。
しきい値処理された画像。
メソッドの進化。
この方法では、ヒストグラムの重さを量り、両側のどちらが重いかを確認し、重い側が軽くなるまで重みを取り除きます。体重計の端が合うまで同じ操作を繰り返します。
その単純さを考えると、この方法は、自動画像しきい値処理の対象を提示するときの最初のアプローチとして適しています。
アルゴリズム
次のリストは、C表記で、バランスヒストグラムしきい値法の簡略版です。
int BHThreshold （int []ヒストグラム）{
i_m = （int ）（（i_s + i_e ）/ 2.0f ）; //体重計の中心I_mw_l = get_weight （i_s 、i_m + 1 、ヒストグラム）; //左側の重みW_lw_r = get_weight （i_m + 1 、i_e + 1 、ヒストグラム）; //右W_R上の重量ながら（I_S もし（W_R > w_l ）{ //右側が重いW_R – =ヒストグラム。
if （（（i_s + i_e ）/ 2 ） w_r + =ヒストグラム;
w_l – =ヒストグラム。 }
} else if （w_l > = w_r ）{ //左側が重いw_l- =ヒストグラム; if （（（i_s + i_e ）/ 2 ）> = i_m ）{
w_l + =ヒストグラム;
w_r- =ヒストグラム;
i_m ++ ; } } } リターンi_m 。 }
以下は、Python言語で可能な実装です。
def bht （hist 、 min_count ： int = 5 ） -> int ： “” “バランスの取れたヒストグラムしきい値処理。” “” n_bins = len （hist ） ＃1Dヒストグラム h_s = 0 と想定し、 hist h_s + = 1 ＃開始時に小さなカウントを無視する h_e = n_bins – 1 while hist h_e- = 1 ＃終了時に小さなカウントを無視する ＃ヒストグラムの平均強度を中心として使用する; 代替的に：（h_s + h_e）/ 2） h_c = INT （ラウンド（NP 。平均（NP 。linspace （0 、 2 ** 8 – 1 、 n_bins ）、 重み= HIST ））） w_l = NP 。sum （hist ） ＃左側の重み w_r = np 。sum （hist [ h_c ： h_e + 1 ]） ＃右側の重み while h_s if w_l > w_r ： ＃左側が重くなった
w_l- = hist
h_s + = 1
else ： ＃右側が重くなった
w_r- = hist
h_e- = 1
new_c = int （round （ （h_e + h_s ） / 2 ）） ＃はかりの中心を再設定します
if new_c w_l- = hist
w_r + = hist
elif new_c > h_c ：
w_l + = hist
w_r- = hist
h_c = new_c h_cを返す
参考文献
^ A.AnjosおよびH.Shahbazkia。バイレベル画像しきい値処理-高速な方法。BIOSIGNALS2008。Vol：2。P：70-76。
^ 大津信行（1979）。「グレーレベルヒストグラムからのしきい値選択方法」。IEEETrans。Sys。、Man。、Cyber。9：62–66。
^ Ridler TW、Calvard S.（1978）反復選択法を使用した画像しきい値処理、IEEETrans。システム、人間とサイバネティックス、SMC-8：630-632。
外部リンク
ImageJプラグイン
大津対。BHT