[发明专利]一种改进的局部二值化方法

说明书

本发明公开了一种改进的局部二值化方法，包括如下步骤：将输入图片转换成灰度图，并对灰度图中各像素点的灰度值进行计算；统计灰度直方图中出现的峰以及峰对应的灰度颜色；将灰度颜色还原成RGB三通道颜色，并合并相近的颜色；统计每一个颜色在图片中像素点的个数，计算占比，并进行排序，输出最后的颜色字典及占比；在步骤(5)的颜色字典中选取颜色占比最大的若干组颜色；获取输入图片的原始设计模板图片，判断每一个颜色是否对应模板图片中的前景色或背景色；将前景色、背景色所对应的颜色替换为二值化图中的白色和黑色。本发明能有效提高在复杂颜色背景的图片中正确分离前景与背景的能力。

技术领域

本发明涉及计算机视觉与图形处理技术领域，具体涉及一种改进的局部二值化方法。

背景技术

图像二值化方法是计算机视觉与图形处理领域中最简单的图像处理方法之一，它作为某些复杂图像处理的基础，将图像二值化后的数据作为输入数据，起到简化数据、提高后续图像处理的计算速度的作用。图像二值化的精度是否符合要求会导致某个复杂图像处理后续的判断，最终导致结果出现误差。图像二值化除了能够简化计算之外，还可以将感兴趣的区域与背景进行分离，区分出前景与背景，在文本文档处理中运用较为广泛。

传统的图像二值化方法基本思路需要明确一个颜色阈值，这个颜色阈值是通过计算图像的灰度直方图，利用不同的颜色阈值选取方法，确定合适的颜色阈值后对图像中的每一个像素点的颜色数值进行判断，大于这个阈值为白点，小于等于这个阈值为黑点。例如公告号为CN100363942C的专利说明书中公开了一种图像的二值化方法，包括以下步骤：(1)将输入的文档转换为数字图像数据；(2)首先将图像按三个等级分块，分别为整体级、子图像区域级、象素区域级，然后扫描统计三个等级各块的特征值；所述的整体级是整幅图像为一个块，子图像区域级是将图像分成若干个子图像，所述的子图像是固定大小的，或者是根据整体级图像的大小，按比例确定，每一个子图像块不小于128×128个象素点；象素区域级是以n*n的象素点阵为一块，其中n为正整数，n小于等于16；(3)计算出整体级和子图像区域级各块的阈值；(4)根据步骤(2)和步骤(3)得到的数据对子图像区域级的特征值进行修正。这种方法对于颜色阈值的选定十分苛刻，该阈值会直接影响二值化结果。

另外，其他常见的二值化算法可以大致分成六类：基于经验值的方法、基于全局阈值的方法、基于局部阈值的方法、基于迭代的方法、基于最大熵的方法、基于最大类间方差(大津算法，OSTU)。这些方法主要利用灰度直方图中的双峰、多峰等特征确定颜色阈值，往往能够取得比较好的二值化结果，但是当遇到一些特定情况，例如在复杂颜色背景下的文字提取中，灰度直方图中出现双峰和多峰的特征不太明显，并且颜色分布比较离散，无法正确分离前景与背景，导致二值化后的图像颜色过深或者颜色过浅，最终导致二值化失败。

日常在对于企业Logo的处理时，Logo通常出现在颜色杂乱的背景图中，利用现有的机器学习方法能够直接检测到这种Logo的大致位置，但是无法获得紧贴Logo的图像区域，上述方法也均不能起到好的提取效果，因此本发明旨在提供一种借助原始设计图像模板，对具有复杂颜色背景的图片进行前景与背景的分离。

发明内容

针对现有技术的不足，本发明提供了一种改进的局部二值化方法，能有效提高在复杂颜色背景的图片中正确分离前景与背景的能力。

一种改进的局部二值化方法，包括如下步骤：

(1)将输入图片转换成灰度图，并对灰度图中各像素点的灰度值进行计算；

(2)统计灰度直方图中出现的峰以及峰对应的灰度颜色；

(3)将灰度颜色还原成RGB三通道颜色，并合并相近的颜色；

(4)统计经步骤(3)合并后的每一个颜色在图片中像素点的个数，计算每一个颜色的占比，并进行排序，输出最后的颜色字典及占比；

(5)在步骤(4)的颜色字典中选取颜色占比最大的若干组颜色；