На це питання дуже добре відповіли з різних точок зору, і я просто хочу узагальнити свій досвід, а також підкреслити деякі проблеми, пов'язані з адаптаційною бінаризацією.
Адаптивну бінаризацію можна розділити на три категорії:
1) Глобальний метод: за допомогою цього методу оцінюється спочатку фон зображення; після цього створюється нормалізоване зображення за допомогою довідкової інформації. Потім застосовується метод глобальної бінаризації.
2) Метод на основі патчу: як вказує ім'я, метод на основі патча виконуватиме патч бінаризації за патчем. На кожному виправлення оцінюється бінаризація глобальним методом бінаризації. Після цього виконується деяка післяобробка, щоб зробити позов, що поріг бінаризації в сусідніх патчах має плавний перехід.
3) Метод Moving-window: за допомогою цього методу бінаризація здійснюється пікселем за пікселем. Рухоме вікно встановлюється для обчислення статистики пікселів у вікні, і на основі статистики обчислюється поріг для центрального пікселя у вікні.
Дуже важко сказати, який метод найкращий, оскільки це залежить від програми. Коли ви думаєте про адаптивну бінаризацію, не забудьте врахувати наступні питання:
1) налаштування параметрів: чи метод має процедуру автоматичного встановлення параметрів? Як ми можемо встановити параметри дуже добре, щоб вони могли працювати в більшості випадків?
2) який критерій обґрунтування хорошої адаптаційної бінаризації? У багатьох випадках різниця між різними методами бінаризації дійсно мала. Однак невелика різниця може призвести до великої різниці в підсумку.
3) чи може бінаризація працювати в деяких конкретних ситуаціях? Наприклад, припустимо, що мета адаптивної бінаризації - це вилучення об'єктів із чорного фону, чи може бінаризація автоматично адаптуватися до цієї ситуації? Або візова віза.
4) адаптивні методи мають тенденцію зосереджуватися лише на локальних конфігураціях, отже, бінарний результат не оптимізований. Наприклад, відомий метод Sauvola генерує порожнистий об'єкт, якщо оптимізований об'єкт буде значно більшим, ніж рухоме вікно. Чи може ваш адаптивний метод перемогти це обмеження?
5) попередня обробка. Хороша бінаризація також повинна включати інсайдер по обробці зображень. Якщо зображення занадто розмито, воно може автоматично регулювати параметри алгоритму або викликати деяку попередню обробку, щоб уникнути поганої бінаризації.