Остання редакція: 2025-06-13
Анотація
У роботі розглянуто удосконалений метод бінаризації зображень Оцу з інтерактивним аналізом результатів. Запропоновано розширену реалізацію алгоритму, що дозволяє в режимі реального часу візуально оцінювати та коригувати результати бінаризації за допомогою динамічно змінюваного порогу. Досліджено ефективність методу на різних типах зображень та продемонстровано його переваги в порівнянні зі стандартними методами бінаризації. Розроблено програмний інструмент з графічним інтерфейсом, що надає можливості детального аналізу значень пікселів, візуального порівняння результатів та автоматичного розрахунку оптимального порогу. Особливу увагу приділено формуванню гістограми зображення та оцінці міжкласової дисперсії при визначенні оптимального порогу бінаризації. Результати демонструють потенціал застосування удосконаленого методу в системах розпізнавання образів, медичному аналізі зображень та промисловому контролі якості.
IMAGE BINARIZATION METHOD USING OTSU'S METHOD FOR COMPUTER VISION SYSTEMS
Abstracts:
This paper explores an enhanced Otsu image thresholding method with interactive result analysis. The proposed extended implementation of the algorithm allows real-time visual evaluation and adjustment of thresholding results using a dynamically variable threshold. The effectiveness of the method is studied on various types of images and its advantages compared to standard thresholding methods are demonstrated. A software tool with a graphical interface has been developed, providing capabilities for detailed pixel value analysis, visual comparison of results, and automatic calculation of the optimal threshold. Special attention is given to image histogram formation and between-class variance evaluation in determining the optimal thresholding value. The results demonstrate the potential of applying the enhanced method in pattern recognition systems, medical image analysis, and industrial quality control.
Ключові слова
Посилання
1. Otsu, N. "A Threshold Selection Method from Gray-Level Histograms". IEEE Transactions on Systems, Man, and Cybernetics. [Електронний ресурс] – Режим доступу: https://doi.org/10.1109/TSMC.1979.4310076
2. Gonzalez, R. C., Woods, R. E. "Digital Image Processing". [Електронний ресурс] – Режим доступу: https://www.pearson.com/digital-image-processing
3. Sezgin, M., Sankur, B. "Survey over image thresholding techniques and quantitative performance evaluation". Journal of Electronic Imaging. [Електронний ресурс] – Режим доступу: https://doi.org/10.1117/1.1631315
4. Pal, N. R., Pal, S. K. "A review on image segmentation techniques". Pattern Recognition. [Електронний ресурс] – Режим доступу: https://doi.org/10.1016/0031-3203(93)90135-J
5. Sahoo, P. K., Soltani, S., Wong, A. K. C. "A survey of thresholding techniques". Computer Vision, Graphics, and Image Processing. [Електронний ресурс] – Режим доступу: https://doi.org/10.1016/0734-189X(88)90022-9
6. Shapiro, L. G., Stockman, G. C. "Computer Vision". [Електронний ресурс] – Режим доступу: https://www.pearson.com/computer-vision
7. Parker, J. R. "Algorithms for Image Processing and Computer Vision". [Електронний ресурс] – Режим доступу: https://www.wiley.com/image-processing
8. Russ, J. C. "The Image Processing Handbook". [Електронний ресурс] – Режим доступу: https://www.crcpress.com/image-processing-handbook