Journals / Düzce Üniversitesi Bilim ve Teknoloji Dergisi / 2018 / Cilt: 6 - Sayı: 4
Multilevel Color Image Thresholding and Classification
- Pages
- 846–859
- DOI
- —
Abstract
In this study, a new classification algorithm based on multilevel thresholding for color images has been proposed. Initially, thresholds for each channel of color images are determined by using histograms and bee algorithm. Then, the threshold values obtained are used for partition of RGB color space. Thus, pixels located in the relevant sub cubes were assigned in the same cluster and subsequently the results have been obtained.In this study, a new classification algorithm based on multilevel thresholding for color images has been proposed. Initially, thresholds for each channel of color images are determined by using histograms and bee algorithm. Then, the threshold values obtained are used for partition of RGB color space. Thus, pixels located in the relevant sub cubes were assigned in the same cluster and subsequently the results have been obtained.
Özet
Bu çalışmada renkli görüntüler için çok seviyeli eşikleme esaslı yeni sınıflandırma algoritması önerilmiştir. Öncelikle renkli görüntülerin her bir kanalının histogramı ve arı algoritması kullanılarak eşikler tespit edilmiştir. İkinci aşamada elde edilen eşik değerleri RGB renk uzayının bölümlenmesinde kullanılmıştır. Böylece ortaya çıkan alt küpler içerisinde kalan pikseller aynı sınıfa atanmış ve sonuçlar alınmıştır.Ayrıştırma işleminin temel amacı, görüntü üzerinde farklı konumlardaki pikselleri gruplayarak anlamlı ve yararlı bilgi elde etmektir [2]. Söz konusu hedefe ulaşmak için günümüze kadar önerilen yöntemler ya kümeleme ya da eşikleme esaslı olmuştur. K-Ortalamalar[4] veya C-Ortalamalar[5] metotları görüntü ayrıştırmak için sıkça kullanılan iki algoritmadır. İlgili yaklaşımlar güçlü olmasına rağmen, hesaplama zamanları görüntü boyutuna bağlı olmakta ve gerçek zamanlı görüntü işlemede yetersiz kalmaktadırlar. Ayrıca, söz konusu yöntemlerin performansı küme merkezlerinin rastgeleseçilmesi nedeni ile düşük kalmaktadır. İlave olarak ise küme sayısının kullanıcı tarafından seçilmesi en büyük dezavantajıdır.