كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعي

مختبر الرؤية الحاسوبية الدروس العتبات والتجزئة الكلاسيكية

العتبات والتجزئة الكلاسيكية

Thresholding and classical segmentation

العتبة الثابتة وأوتسو والتكيفية: أبسط طرق فصل الأجسام عن الخلفية.

مبتدئ30 دقيقةمعالجة الصورمعالجة الصور

هذا المحتوى أُعدّ آلياً من مصادر موثقة ولم تكتمل مراجعته العلمية البشرية بعد. إن وجدت خطأً فأبلغنا.

المقدمة

قبل الشبكات العميقة كانت التجزئة تبدأ غالباً بعتبة. ما زالت مفيدة حين تكون الشدات منفصلة.

الأهداف التعليمية

  • تطبيق العتبة الثابتة وأنواعها.
  • فهم معيار أوتسو.
  • معالجة الإضاءة غير المتجانسة بالعتبة التكيفية.

المتطلبات السابقة

المدرج التكراري.

الشرح العلمي

العتبة تقسم البكسلات إلى فئتين. أوتسو يختار العتبة التي تعظم التباين بين الفئتين، ويعمل جيداً مع المدرج ثنائي القمة. العتبة التكيفية تحسب عتبة لكل بكسل من متوسط جواره، فتنجح حين تختلف الإضاءة من منطقة إلى أخرى.

المعادلات الرياضية

T* = argmax ω₀ω₁(μ₀ − μ₁)².

مثال عملي

صورة القطع النقدية (Coins): أوتسو يفصل القطع عن الخلفية، لكن الظلال قد تصنع أخطاء تصلحها العمليات الشكلية.

خطوات التنفيذ

  1. جرّب عتبة ثابتة 127.
  2. اختر Otsu ولاحظ العتبة المحسوبة.
  3. جرّب العتبة التكيفية بحجم كتلة 11.

النتائج المتوقعة

العتبة المحسوبة بأوتسو تظهر في نتائج المختبر، والتكيفية تحافظ على تفاصيل المناطق المظلمة.

الأخطاء الشائعة

استخدام عتبة واحدة لصورة بإضاءة متدرجة، أو تطبيق العتبة قبل إزالة الضوضاء.

التطبيقات العملية

رقمنة المستندات، عدّ الخلايا، فحص الجودة.

المراجع

  1. N. Otsu (1979).A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man, and Cybernetics 9(1). doi:10.1109/TSMC.1979.4310076
  2. OpenCV (2024).OpenCV documentation: Image Processing (imgproc module). docs.opencv.org. docs.opencv.org

تجارب مرتبطة

خوارزميات مرتبطة

جرّب في معالجة الصور