Niblack算法的快速实现技巧

      在许多文本图像的预处理过程中, 二值化过程是至为关键的一个环节。二值化算法的效果会对后续的处理如版面分析，字符定位以及识别等产生决定性的影响。

 

       二值化的算法有很多，大体分为两类: 全局阈值算法（如otsu算法）和局部阈值算法（如niblack）。而在汗牛充栋的局部阈值算法中，niblack 是实现方法较为简单，算法效果较为稳定的一种。但传统的niblack算法需要对图像中的每个像素计算其邻域的统计性质（均值与方差），算法复杂度为o(size *area) ，其中size 为图像像素尺寸大小，area 为邻域面积。作者尝试地对计算均值和方差的方法进行了改进，使得总体算法复杂度降低为 o(size)，从而做到与邻域窗口大小基本无关。

       

      算法的关键是对每个像素的局部窗口求和过程的计算方式。图像实际上可看作是个二维数组，对二维数组中每个元素求局部窗口和的常规方式（C#代码）如下：

 

/// <summary> /// 常规的二维数组元素局部窗口求和程序 /// </summary> /// <param name="array"> 输入二维数组</param> /// <param name="winR">窗口半径</param> /// <returns>输出结果</returns> public static int[,] LocalSum_Common(byte[,] array, int winR