R語言榜旦,image.binarization包蹭秋,對圖像進行二值化以增強光學字符識別

機器學習

R語言

R語言與黑白照片

R語言與閾值

OCR文字識別

R語言與OCR文字識別

R語言圖像處理

R語言黑白照片

去色

包預設了多個參數(shù)勿璃,其中一個
# Sun Sep 27 00:27:20 2020 -

# 字符編碼:UTF-8
# R 版本:R x64 4.0.2 for window 10
# cgh163email@163.com
# 個人筆記不負責任
# —— 拎了個梨??
.rs.restartR()

rm(list=ls());gc()

library(magick)
require(image.binarization)

# image.binarization對圖像進行二值化以增強光學字符識別
#它是依賴于magick的
#
f   <- system.file("extdata", "doxa-example.png", package = "image.binarization")
img <- image_read(f)
# Sun Sep 27 00:34:47 2020 -# 去色:-----------------------------

img2 <- image_convert(img, format = "PGM", colorspace = "Gray")
par(mfrow=c(1,2))
plot(img)
plot(img2,main='image_convert去色')

# 灰度直方圖的閾值選擇方法:
# 請注意揭璃,重要的是,您必須以整數(shù)形式提供窗口/閾值/對比度限制悔雹,minN复哆,字形參數(shù)(例如欣喧,在75L中),而其他參數(shù)則以數(shù)字形式提供梯找。
#
binary <- image_binarization(img, type = "otsu")
binary
# 貝恩森:窗口(75L)续誉,k(0.2),閾值(100L)初肉,對比度極限(25L):
binary <- image_binarization(img,
                             type = "bernsen",
                             opts = list(
                               window = 50L,
                               k = 0.2,
                               threshold = 50L
                             ))
binary
# 尼布萊克: window(75L), k(0.2):
binary <- image_binarization(img, type = "niblack", opts = list(window = 75L, k = 0.2))
binary
# 衛(wèi)星式樣:窗(75L)酷鸦,k(0.2):
binary <- image_binarization(img, type = "sauvola")
binary
# 狼
binary <- image_binarization(img, type = "wolf")
binary
# nick: window(75L), k(-0.2):
binary <- image_binarization(img, type = "nick", opts = list(window = 75L, k = -0.2))
binary
# gatos: window(75L), k(0.2), glyph(60L):
binary <- image_binarization(img, type = "gatos", opts = list(window = 75L, k = 0.2, glyph = 50L))
binary
# su: window(75L), minN(75L)
binary <- image_binarization(img, type = "su", opts = list(window = 20L))
binary
# trsingh: window(75L), k(0.2)
binary <- image_binarization(img, type = "trsingh")
binary
# bataineh:無:
binary <- image_binarization(img, type = "bataineh")
binary
# wan: window(75L), k(0.2):
binary <- image_binarization(img, type = "wan")
binary
# isauvola: window(75L), k(0.2):
binary <- image_binarization(img, type = "isauvola", opts = list(window = 75L, k = 0.2))
binary

?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市牙咏,隨后出現(xiàn)的幾起案子臼隔,更是在濱河造成了極大的恐慌,老刑警劉巖妄壶,帶你破解...
    沈念sama閱讀 218,284評論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件摔握,死亡現(xiàn)場離奇詭異,居然都是意外死亡丁寄,警方通過查閱死者的電腦和手機氨淌,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,115評論 3 395
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來伊磺,“玉大人盛正,你說我怎么就攤上這事⌒悸瘢” “怎么了豪筝?”我有些...
    開封第一講書人閱讀 164,614評論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長摘能。 經(jīng)常有香客問我续崖,道長,這世上最難降的妖魔是什么团搞? 我笑而不...
    開封第一講書人閱讀 58,671評論 1 293
  • 正文 為了忘掉前任严望,我火速辦了婚禮,結果婚禮上逻恐,老公的妹妹穿的比我還像新娘像吻。我一直安慰自己,他們只是感情好梢莽,可當我...
    茶點故事閱讀 67,699評論 6 392
  • 文/花漫 我一把揭開白布萧豆。 她就那樣靜靜地躺著,像睡著了一般昏名。 火紅的嫁衣襯著肌膚如雪涮雷。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,562評論 1 305
  • 那天轻局,我揣著相機與錄音洪鸭,去河邊找鬼样刷。 笑死,一個胖子當著我的面吹牛览爵,可吹牛的內容都是我干的置鼻。 我是一名探鬼主播,決...
    沈念sama閱讀 40,309評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼蜓竹,長吁一口氣:“原來是場噩夢啊……” “哼箕母!你這毒婦竟也來了?” 一聲冷哼從身側響起俱济,我...
    開封第一講書人閱讀 39,223評論 0 276
  • 序言:老撾萬榮一對情侶失蹤嘶是,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后蛛碌,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體聂喇,經(jīng)...
    沈念sama閱讀 45,668評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,859評論 3 336
  • 正文 我和宋清朗相戀三年蔚携,在試婚紗的時候發(fā)現(xiàn)自己被綠了希太。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,981評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡酝蜒,死狀恐怖誊辉,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情秕硝,我是刑警寧澤芥映,帶...
    沈念sama閱讀 35,705評論 5 347
  • 正文 年R本政府宣布洲尊,位于F島的核電站远豺,受9級特大地震影響,放射性物質發(fā)生泄漏坞嘀。R本人自食惡果不足惜躯护,卻給世界環(huán)境...
    茶點故事閱讀 41,310評論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望丽涩。 院中可真熱鬧棺滞,春花似錦、人聲如沸矢渊。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,904評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽矮男。三九已至移必,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間毡鉴,已是汗流浹背崔泵。 一陣腳步聲響...
    開封第一講書人閱讀 33,023評論 1 270
  • 我被黑心中介騙來泰國打工秒赤, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人憎瘸。 一個月前我還...
    沈念sama閱讀 48,146評論 3 370
  • 正文 我出身青樓入篮,卻偏偏與公主長得像,于是被迫代替她去往敵國和親幌甘。 傳聞我的和親對象是個殘疾皇子潮售,可洞房花燭夜當晚...
    茶點故事閱讀 44,933評論 2 355