Блог

У меня есть куча отсканированных страниц из книг, и мне нужен автоматический способ определить, должна ли страница быть битональной tiff или цветной jp2. Если страница состоит только из текста и черно-белых диаграмм, она будет преобразована в битовый формат tiff. Если на странице есть цветное изображение, или подсветка, или что-то еще, то это будет цветной jp2. У меня есть несколько примеров:

Черно-белые примеры: 1 2 3 4 5

Примеры цветов: 1 2 3

Я протестировал следующий наивный подход, основанный на правилах (код находится внизу). Что он делает, так это считывает изображение с помощью PIL пакета , получает значения пикселей RGB , и если абсолютная разница между R и G , R и B и G и B ниже 35 (которую я только что определил в качестве примера), она считается черно-белым пикселем в оттенках серого. В противном случае это был бы цветной пиксель. В моем подходе, основанном на правилах, если более 5% изображения состоит из цветных пикселей , то я считаю, что изображение является a color jp2 , иначе это a bitonal tiff .

Я попробовал для ваших образцов изображений, и он неправильно классифицировал 5-битное изображение tiff (возможно, потому, что изображение немного желтое, поэтому вам нужно будет создать правило для них) и 2-цветное изображение jp2 (которое имеет действительно темные цвета, что может обмануть мое правило оттенков серого).:

Следование подходу, основанному на правилах, приведет вас к достаточно хорошим результатам, но может быть громоздким для учета всех случаев. С другой стороны, вы могли бы использовать модель машинного обучения под наблюдением, в которой вы загружаете ее с помощью меток (будь то изображение в формате tiff или цветное jp2) и RGB вектора изображения, обучаете его и смотрите, дает ли оно хорошие результаты. Это, вероятно, не будет иметь 100% точности, но будет лучше, чем пытаться определить наилучший подход, основанный на правилах, вручную, хотя это будет больше работы. Теперь вам решать, насколько точным вы хотите быть.

 from PIL import Image

def process_image(filename):

    image = Image.open(filename)
    width, height = image.size
    pixel_grid = image.load()

    colored_rgbs_count = 0

    for i in range(width):
        for j in range(height):
            r, g, b = pixel_grid[i,j]
            if abs(r - g) > 35 or abs(r - b) > 35 or abs(b - g) > 35:
                colored_rgbs_count  = 1
            
    return 'color jp2' if colored_rgbs_count > width * height * 0.05 else 'bitonal tiff'

print(f'bitonal_1: {process_image("bitonal_1.jpg")}')
print(f'bitonal_2: {process_image("bitonal_2.jpg")}')
print(f'bitonal_3: {process_image("bitonal_3.jpg")}')
print(f'bitonal_4: {process_image("bitonal_4.jpg")}')
print(f'bitonal_5: {process_image("bitonal_5.jpg")}')

print(f'color_1: {process_image("color_1.jpg")}')
print(f'color_2: {process_image("color_2.jpg")}')
print(f'color_3: {process_image("color_3.jpg")}')