Большая часть локальных порогов в качестве основы для нормализации перед порогом использует простую размытую версию изображения (фильтр "BoxBlur", оптимизированный интегральными изображениями по времени выполнения). Различие в этих локальных порогах - это методика коррекции (вычитания) данной размытой версии по локальному стандартному отклонению. Но!...
Это не единственный способ построения нормализатора.
Существуют методики построения нормализатора на основе модели фона. Самым простым из них для понимания является порог "Gatos". В нём для отделения фона от целого изображения применяется простая сегментация по маске порога "Niblack". Всё, что попадает в маску порога "Niblack" (тёмные контуры) убирается из исходного изображения и заменяется размытием оставшихся вне этой маски частей изображения. После формирования такой модели фона, просматривается разность между фоном и исходным изображением и собирается статистика по этой разности. По этой статистике и строится "пороговая карта" (нормализатор), путём вычитания из фона "зазора", определённого этой статистикой. Методика достаточно простая, но эффективная и понятная.
Но в качестве мыслей для размышления есть ряд вопросов:
1. Достаточно ли использовать только тёмные контура для вычитанния из фона, или надо вычитать и светлые контура?
2. Не следует ли применять ещё какую то предфильтрацию для увеличения регулируемости результата?
3. Простая статистика даёт достаточные показатели для составления "карты порогов" на основе модели фона?
