Binarization of document images using the modified local-global Otsu and Kapur algorithms

• Autorzy: Lech P. , Okarma K. , Wojnar D

Warianty tytułu

PL

Binaryzacja obrazów dokumentów z użyciem zmodyfikowanych lokalno-globalnych algorytmów Otsu i Kapura

• Języki publikacji: EN

Abstrakty

EN

In the paper an algorithm for binarization of grayscale images representing text documents together with its optimization is presented. In the proposed approach two classical global thresholding algorithms proposed by Otsu and Kapur are combined with their local versions applied for blocks. The experimental results have been obtained for the H-DIBCO test dataset containing handwritten text images together with their "groundtruth" binary equivalents.

PL

W artykule zaprezentowano algorytm binaryzacji obrazów w skali szarości przedstawiających dokumenty tekstowe wraz z jego optymalizacją. Przedstawione podejście bazuje na połączeniu dwóch klasycznych metod progowania zaproponowanych przez Otsu i Kapura z ich lokalnymi wariantami zastosowanymi dla bloków. Wyniki eksperymentalne uzyskano dla bazy testowej H-DIBCO zawierającej obrazy rękopisów wraz z ich binarnymi odpowiednikami stanowiącymi wzorce.

Słowa kluczowe

EN

image binarization; image analysis; thresholding algorithm

PL

binaryzacja obrazu; analiza obrazów; metoda progowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2015
• Tom: R. 91, nr 2
• Strony: 71--74
• Opis fizyczny: Bibliogr. 23 poz., tab.

Twórcy

autor

Lech P.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, ul. Sikorskiego 37, 70-313 Szczecin

autor

Okarma K.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, ul. Sikorskiego 37, 70-313 Szczecin

autor

Wojnar D

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, ul. Sikorskiego 37, 70-313 Szczecin

Bibliografia

• [1] Kapur J., Sahoo P., Wong A.: A new method for gray-level picture thresholding using the entropy of the histogram. Computer Vision, Graphics, and Image Processing 29 (1985) No. 3, 273–285
• [2] Otsu N.: A threshold selection method from gray-level histograms. IEEE Trans. Systems, Man and Cybernetics 9 (1979), No. 1, 62–66
• [3] Stathis P., Kavallieratou E., Papamarkos N.: An evaluation technique for binarization algorithms. Journal of Universal Computer Science 14 (2008), No. 18, 3011–3030
• [4] Pratikakis, I., Gatos, B., Ntirogiannis, K.: ICDAR 2009 Document Image Binarization Contest (DIBCO 2009). Proc. 10th Int. Conf. Document Analysis and Recognition ICDAR. pp. 1375–1382
• [5] Mandal S., Biswas S., Das A.K., Chanda B.: Binarisation of colour map images through extraction of regions. Lecture Notes in Computer Science 8671 (2014), 418–427
• [6] Sezgin M., Sankur B.: Survey over image thresholding techniques and quantitative performance evaluation. Journal of Electronic Imaging 13 (2004) No. 1, 146–168
• [7] Chen S., Li D.: Image binarization focusing on objects. Neurocomputing 69 (2006), No. 16–18, 2411–2415
• [8] Wen J., Li S., Sun J.: A new binarization method for nonuniform illuminated document images. Pattern Recognition 46 (2013), No. 6, 1670–1690
• [9] Bernsen J.: Dynamic thresholding of grey-level images. Proc. Int. Conf. Pattern Recognition ICPR’86, 1251–1255
• [10] Niblack W.: An Introduction to Digital Image Processing (1986), 115–116, Prentice-Hall, Englewood Cliffs
• [11] Sauvola J., Pietikäinen M.: Adaptive document image binarization. Pattern Recognition 33 (2000), No. 2, 225–236
• [12] Gatos B., Pratikakis I., Perantonis S.J.: Adaptive degraded document image binarization. Pattern Recognition 39 (2006), No. 3, 317–327
• [13] Badekas E., Papamarkos N.: Estimation of appropriate parameter values for document binarization techniques. Int. J. Robotics Autom. 24 (2009), No. 1, 66–78
• [14] Valizadeh M., Komeili M., Armanfard N., Kabir E.: Degraded document image binarization based on combination of two complementary algorithms. Proc. ICACTEA’09, IEEE 595–599
• [15] Kuk J.G., Cho N.I.: Feature based binarization of document images degraded by uneven light condition. Proc. 10th Int. Conf. Document Analysis and Recognition (ICDAR’2009), 748–752
• [16] Ramírez, M.A., Tapia, E., Rojas, R., Cuevas, E.: Transition thresholds and transition operators for binarization and edge detection. Pattern Recognition 43 (2010), No.4, 3243–3254
• [17] Lu S., Su B., Tan C.L.: Document image binarization using background estimation and stroke edges. Int. J. Doc. Anal. Recognit. (IJDAR) 13 (2010), No. 4, 303–314
• [18] Rabeux V., Journet N., Vialard A., Domenger J.P.: Quality evaluation of degraded document images for binarization result prediction. Int. J. Doc. Anal. Recognit. (IJDAR) 17 (2014), No. 2, 125–137
• [19] Singh B.M., Sharma R., Ghosh D., Mittal A.: Adaptive binarization of severely degraded and non-uniformly illuminated documents. Int. J. Doc. Anal. Recognit. (IJDAR) in press (2014)
• [20] Ntirogiannis K., Gatos B., Pratikakis I.: Performance evaluation methodology for historical document image binarization. IEEE Trans. Image Processing 22 (2013), No. 2, 595–609
• [21] Lu H., Kot A., Shi Y.: Distance-reciprocal distortion measure for binary document images. IEEE Signal Processing Letters 11 (2004), No. 2, 228–231
• [22] Lech P., Okarma K.: Optimization of the fast image binarization method based on the Monte Carlo approach. Elektronika Ir Elektrotechnika 20 (2014), No. 4, 63–66
• [23] Lech P., Okarma K., Tecław, M.: A fast histogram estimation based on the Monte Carlo method for image binarization. Advances in Intelligent Systems and Computing 233 (2014), 73–80