There are several types of threshol

There are several types of thresholding method like
basic, two-band-tile, optimal and adaptive. In this project,
the basic thresholding is chosen to separate the object and
the background in the histogram by vertical line. The basic
thresholding is a good choice as mentioned in [11].
Threshold image g(x,y) can be defined as[10]:
For the equation above, the single threshold value (T) is
selected. Here the value of (T) is 0.9. Any values below or
equal to (T) will be classified as a black (0), and those
above (T) will be white (1). Fig. 4 illustrates the binary
image after converting from grey scale image using
threshold technique. The white color is the object detected
and the black color as a background.
Fig. 4. Binary image.
D. Image Enhancement
After converting images into binary, the image has to
remove the noise and trace the boundary of detected object.
This process is done in image enhancement module. Images,
taken by digital camera, will pick up the noise from variety
of sources. Thus, to remove the noise, a morphology
function is used. It removes the imperfection added during
segmentation. There are four basic morphological operation
namely dilation, erosion, opening and closing (binary
operation) [12]. Opening and closing are the basic
workhorses of morphological noise removal. Opening
removes small objects, and closing removes small holes.
The binary morphological operation is used in this project
because it is widely used in image processing operations
that process images based on shapes and as reported in[13],
it is also used in numerous applications like noise filtering,
boundary detection and region filling. Fig. 5 shows the
image after removing noise at the detected object (white
color).

ผลลัพธ์ (ไทย) 1:

มีหลายชนิดวิธีการ thresholding เช่นขั้นพื้นฐาน สองวงไพ่ ดีที่สุด และเหมาะสม ในโครงการthresholding พื้นฐานที่แยกวัตถุ และพื้นหลังในฮิสโตแกรมตามแนวตั้ง พื้นฐานthresholding นั้นดี ตาม [11]คุณสามารถกำหนดขีดจำกัดภาพ g(x,y) [10]:สมการข้างต้น ค่าขีดจำกัดเดียว (T) เป็นเลือก ที่นี่ค่า (T) เป็น 0.9 ค่าใด ๆ หรือมีค่าเท่ากับ (T) จะแบ่งเป็นสีดำ (0), และผู้ข้างต้น (T) จะเป็นสีขาว (1) Fig. 4 แสดงไบนารีภาพหลังจากการแปลงจากการใช้รูปภาพระดับสีเทาเทคนิคจำกัด สีขาวคือ วัตถุที่ตรวจพบและสีดำเป็นพื้นหลังFig. 4 รูปแบบไบนารีดีเพิ่มประสิทธิภาพของภาพหลังจากแปลงภาพเป็นไบนารี รูปภาพได้เอาเสียง และติดตามขอบเขตของวัตถุที่ตรวจพบกระบวนการนี้จะทำในรูปเพิ่มโมดูล รูปภาพถ่าย ด้วยกล้องดิจิตอล จะรับเสียงจากหลากหลายของแหล่ง ดังนั้น การเอาเสียง สัณฐานวิทยาการฟังก์ชันการผลิต มันเอา imperfection เพิ่มระหว่างแบ่ง มีการดำเนินงานของพื้นฐาน 4คือ dilation พังทลาย เปิด และปิด (ไบนารีการดำเนินการ) [12] เปิด และปิดเป็นพื้นฐานworkhorses ลบเสียงของ เปิดเอาวัตถุขนาดเล็ก และปิดลบหลุมเล็กการดำเนินการของฐานสองจะใช้ในโครงการนี้เนื่องจากมันจะใช้ในการดำเนินการประมวลผลภาพที่ประมวลผลภาพตามรูปร่าง และ เป็นรายงานใน [13],ใช้ในโปรแกรมประยุกต์มากมายเช่นการกรองเสียงรบกวนตรวจสอบขอบเขตและภูมิภาคไส้ Fig. 5 แสดงรูปหลังจากลบเสียงที่วัตถุตรวจพบ (สีขาวสี)

ผลลัพธ์ (ไทย) 2:

มีหลายประเภทของวิธี thresholding
เช่นพื้นฐานสองวงกระเบื้องที่ดีที่สุดและการปรับตัว ในโครงการนี้
thresholding
พื้นฐานคือเลือกที่จะแยกวัตถุและพื้นหลังในกราฟโดยเส้นแนวตั้ง พื้นฐาน
thresholding เป็นทางเลือกที่ดีเป็นที่กล่าวถึงใน [11].
ภาพเกณฑ์ g (x, y) สามารถกำหนดเป็น [10]:
สำหรับสมการข้างต้นค่าเกณฑ์เดียว (T)
จะถูกเลือก นี่คือค่าของ (T) คือ 0.9 ค่าใด ๆ
ที่ด้านล่างหรือเท่ากับ(T) จะถูกจัดเป็นสีดำ (0),
และผู้ที่ดังกล่าวข้างต้น(T) จะเป็นสีขาว (1) มะเดื่อ. 4 แสดงให้เห็นถึงไบนารีภาพหลังจากการแปลงจากภาพระดับสีเทาโดยใช้เทคนิคการเกณฑ์ สีขาวเป็นวัตถุที่ตรวจพบและสีดำเป็นพื้นหลัง. รูป 4. ภาพไบนารี. D. การเพิ่มประสิทธิภาพของภาพหลังจากการแปลงภาพเป็นเลขฐานสองภาพที่มีการลบเสียงและติดตามขอบเขตของวัตถุที่ตรวจพบ. กระบวนการนี้จะทำในโมดูลเพิ่มประสิทธิภาพของภาพ ภาพที่ถ่ายโดยกล้องดิจิตอลจะรับเสียงจากความหลากหลายของแหล่งที่มา ดังนั้นเพื่อลบเสียงสัณฐานวิทยาฟังก์ชั่นถูกนำมาใช้ มันเอาไม่สมบูรณ์เพิ่มขึ้นในช่วงการแบ่งส่วน มีสี่ดำเนินงานขั้นพื้นฐานที่มีก้านคือการขยายการกัดเซาะเปิดและปิด (binary ทำงาน) [12] การเปิดและปิดเป็นพื้นฐานม้าของการกำจัดเสียงรบกวนทางสัณฐานวิทยา เปิดเอาวัตถุขนาดเล็กและปิดลบรูเล็ก ๆ . การดำเนินการทางสัณฐานวิทยาไบนารีถูกนำมาใช้ในโครงการนี้เพราะมันถูกใช้กันอย่างแพร่หลายในการดำเนินงานการประมวลผลภาพที่ประมวลผลภาพบนพื้นฐานของรูปทรงและรายงานใน[13], มันก็ยังถูกนำมาใช้ในการใช้งานจำนวนมาก เช่นการกรองสัญญาณรบกวนการตรวจสอบขอบเขตและภูมิภาคบรรจุ มะเดื่อ. 5 แสดงให้เห็นภาพหลังจากลบเสียงที่ตรวจพบวัตถุ(สีขาวสี)

ผลลัพธ์ (ไทย) 3:

มีหลายประเภทของการปรับวิธีการ เช่น
พื้นฐาน สองวง กระเบื้องที่เหมาะสมและปรับตัว ในโครงการนี้ คือเลือกปรับพื้นฐาน

เพื่อแยกวัตถุและพื้นหลังในกราฟแสดงความถี่ทางแนวตั้ง การปรับพื้นฐาน
เป็นทางเลือกที่ดีตามที่กล่าวไว้ใน [ 11 ] .
( ภาพ g ( x , y ) ที่สามารถกำหนดเป็น [ 10 ] :
สำหรับสมการข้างต้น ค่าเกณฑ์เดียว ( T )
เลือกที่นี่ค่า ( t ) คือ 0.9 ใด ๆด้านล่าง หรือเท่ากับค่า
( T ) จะจัดเป็นสีดำ ( 0 ) , และบรรดา
ข้างบน ( T ) จะเป็นสีขาว ( 1 ) รูปที่ 4 แสดงภาพไบนารี
หลังจากการแปลงจากภาพระดับสีเทาโดยใช้
เทคนิคเกณฑ์ สีขาวเป็นวัตถุที่ตรวจพบ
และสีดำเป็นพื้นหลัง
รูปที่ 4 ภาพไบนารี
D
เพิ่มรูปหลังแปลงภาพเป็นแบบไบนารีภาพที่ได้

เอาเสียงและติดตามขอบเขตของการตรวจพบวัตถุ .
กระบวนการนี้ทำในโมดูลการเพิ่มประสิทธิภาพของภาพ ภาพ
ถ่ายจากกล้องดิจิตอล จะรับเสียงจากความหลากหลาย
ของแหล่งที่มา ดังนั้น เพื่อเอาเสียง สัณฐาน
ฟังก์ชันที่ใช้คือ มันเอาความไม่สมบูรณ์เพิ่มในระหว่าง
ตัด . มีลักษณะพื้นฐานทั้งสี่คือการขยายการดำเนินงาน
, พังทลาย