монохромне (1-бітне чорно-біле) перетворення зображення

Перетворюючи сканований текст у 1-бітне чорно-біле зображення, які фільтри можна застосувати в процесі покращення результату? Зараз я зіткнувся з проблемою, коли помилки змивання роблять зображення жахливим.

Оновлення: Я вважаю, що спроба скасувати відмирання набагато складніше. Як можна перетворити перше зображення на монохромне зображення? Підхід за замовчуванням convert -monochrome img1 img2показаний нижче. Я також спробував двоетапний підхід: 1) зменшити глибину (кольорова палітра) та гамма 2) перетворити на зображення жовчі (не показано). Інші речі, з якими я грав, включали впорядкований dhere (у різних налаштуваннях) imagemagick , але це було не так добре, як підхід в два кроки.

Я б запропонував у такому випадку переглянути вибірку та застосувати невелику розмитість, а потім різко, а потім застосувати порогову операцію. Більше інформації від піксельних даних ви не отримаєте, її просто немає. Але ви отримаєте більш гладкий результат від порогової операції, і вам не потрібно буде тудити. Кінцевий результат - це як деградація фотокопіювального апарату.

Приклад:

Крім того, це виглядає, коли ви просто використовуєте кращий алгоритм дифузії диффузу;)

Те, на що ти дивишся, називається і немиє . Теоретично проблеми виникають недобре, якщо ви хочете реконструювати точні зображення до фарбування та друку. Однак можна застосувати деяку лінійну фільтрацію за більш широким вікном (залежно від кількості квантування відмирання). Наприклад, у вашому випадку ви можете взяти збірник із загальною оцінкою 8х8 вікна та застосувати суму, яка дала б вам інтенсивність у перерахунку на 0-256.

Перерахований тут документ є вирішенням вашої точної проблеми.

EDIT:
Гаразд, якщо я зрозумів, оскільки ви скануєте зображення, а не знімаєте цифрове зображення, ваша проблема полягає не в сильному розмиванні. Я відповів першою частиною перед вашим оновленням.

Гаразд, у цьому випадку я б припустив, що у вас може бути два етапи.

1. знайти оптимальний поріг для перетворення зображення в зображення на рівні двох рівнів. Це найкраще зробити, використовуючи спробу знайти "долину між білою та чорною інтенсивностями в гістограмі. Ознайомтесь з основами порогового значення . Але, можливо, ви також спробували це.

2. Тепер ви можете побачити, що деякі краї можуть бути занадто тонкими або занадто товстими, залежно від типу шуму. Таким чином, для відновлення більш оптимального зображення можна застосувати морфологію з такими операціями, як Dilation та Erosion.

Дивіться цю презентацію для довідки. Це дасть тобі напрямок того, що я говорив. Ось посилання на те, як застосовувати різні фільтри морфології