Trong phần này, tôi trình bày thuật toán CSI tách ảnh thành các vùng đồng nhất [7]. Tôi áp dụng thuật toán cân bằng lược đồ để phân cụm các màu được chọn. Với mỗi màu được chọn, thuật toán được áp dụng với một không gian ảnh theo cả trục x và y. Kết quả của thuật toán là một tập các vùng với mỗi màu. Vùng BRi được biểu diễn bởi hình chữ nhật (xitl,yitl,xibr,yibr).
Thuật toán CSI được mô tả như sau:
Đầu tiên, toàn bộ ảnh đã cho Img được coi như một vùng. Trong bước đầu tiên, ảnh có thể được tách thành hai vùng phụ thuộc vào hàm giá trị Cost(BRi) và màu phân cụm sử dụng kỹ thuật cân bằng lược đồ. Với mỗi vùng, một điều kiện tách được sử dụng để xác định một vùng có được phân hoạch hay không. Nếu các mẫu quan sát rơi vào vùng lệch đáng kể so với kỳ vọng, vùng cần phân hoạch tiếp, với mỗi vùng cần xác định hàm giá trị Cost(BRi), để xác định vùng BRi hoặc được phân hoạch theo chiều ngang hoặc phân hoạch theo chiều dọc.
Kỳ vọng có thể được tính toán theo kinh nghiệm về phân bố mẫu. Nếu các mẫu quan sát quá xa kỳ vọng, phân hoạch vùng cần được tiếp tục và với mỗi vùng cần xác định giá trị hàm giá, để xác định BRi sẽ được phân hoạch theo chiều ngang hay dọc. Phương pháp dựa trên tri thức về phân bố phụ thuộc vào kinh nghiệm chuyên gia sẽ đánh giá kỳ vọng được mô tả như dưới.
Độ lệch giữa một quan sát i và kỳ vọng được tính theo công thức:
) i ( E ) i ( E ) i ( obs DX (2.1)
Nếu DX vượt quá một ngưỡng T, vùng bị bỏ qua đối với phân hoạch tiếp theo. Trong trường hợp ngược lại, vùng hiện tại sẽ được thêm vào Stack cho phân hoạch tiếp theo. Quá trình phân hoạch được lặp cho đến khi một trong các điều kiện sau được thoả mãn: tất cả các vùng là thuần nhất hoặc số các mẫu trong một vùng nhỏ hơn một ngưỡng đã cho.
Giá trị Cost(BRi) được tính như sau:
)DX DX
,Max(DX Max(DX
)
Cost(BRi selectedrow selectedcol (2.2) Ký hiệu DXselectedrow là kỳ vọng trong dòng selectedrow, DXselectedcol là kỳ