Adaptive binarization with non-uniform image illumination

eng Artykuł w języku angielskim DOI: 10.14313/PAR_208/72

Roman Lishchuk *, Volodymyr Kucheruk **, wyślij Igor Piotr Kurytnik *** * Uman National University of Horticulture, Ukraine ** Vinnytsia National Technical University, Ukraine *** Akademia Techniczno-Humanistyczna, Bielsko-Biała

Pobierz Artykuł

Abstract

The article considers the image binarization process for its further recognition. During binarization of the image with non-uniform illumination some noise appears which makes it impossible to select features in the image. Considering the QR-code image as an example, Otsu method, Niblack method and Bernsen method were analyzed. Some errors in binarization of the image with non-uniform illumination were detected in the process of application of these methods. Therefore, the necessity of finding a better method arose. The presented method of adaptive binarization is a simple extension of Bernsen method, the main idea of which is the comparison of each pixel with arithmetical mean of pixels in its environment and simultaneous application of integral presentation of the image.

Keywords

binarization, integral image, QR code

Adaptacyjna binaryzacja przy nierównomiernym oświetleniu obrazu

Streszczenie

Artykuł prezentuje proces binaryzacji obrazu dla jego późniejszej analizy. Podczas binaryzacji nierównomiernie oświetlonego obrazu pojawia się szum, który uniemożliwia przetwarzanie obrazu. Na przykładzie kodu QR przeanalizowano metody Otsu, Niblacka i Bernsena. Błędy w binaryzacji obrazu z nierównomiernym oświetleniem wykryto w procesie stosowania tych metod. Pojawiła się w związku z tym konieczność znalezienia lepszej metody. Przedstawiona metoda adaptacyjnego obcinania (binaryzacji) jest prostym rozszerzeniem metody Bernsena, której główną ideą jest porównanie każdego piksela ze średnią arytmetyczną pikseli w jego środowisku i zastosowanie jednoczesnej integralnej prezentacji obrazu.

Słowa kluczowe

binaryzacja, kod QR, obraz integralny

Bibliografia

  1. Otsu N., A threshold selection method from gray-level histograms, “IEEE Trans. Sys., Man.,” Cyber. 9/1979, 62–66.
  2. Niblack W., An introduction to digital image processing, Englewood Cliffs Prentice Hall, N.J. 1986, 115–116.
  3. Bernsen J., Dynamic Thresholding of Grey-Level Images, [in:] Proc. of the 8th Int. Conf. on Pattern Recognition, 1986.
  4. Crow F., Summed-area tables for texture mapping. SIGGRAPH, 1984, 207–212.
  5. Viola P., Jones M., Rapid object detection using a boosted cascade of simple features, [in:] IEEE Computer Vision and Pattern Recognition, 2001, 511–518.