首先，在科学领域，一个领域很少是封闭的，有时只是处于休眠状态。与其他数字数据相似，对低对比度、实时、扫描不良、复合文档/写入器或老化介质的抵抗似乎仍然是挑战：鲁棒性、速度、较差的采集、源分离或错误隐藏（相同的主题，具有通用名称）对于其他数据源很常见。

与许多数据领域一样，这个领域正被（深度）学习技术所渗透，威胁着旧的手工艺（例如Learning Document Image Binarization from Data，Yue Wu et al.，2015）。

ICDAR 2017 文档图像二值化竞赛 DIBCO 2017仍在继续，这是一个好兆头，也是挑战的来源。 7

作为个人笔记，我对旧书面文件的分析及其认证非常感兴趣，基于：

• 来自替代光源（多光谱、X 射线、紫外线）的二值化，尤其是用于检测以前报废、洗掉或擦除的文字，例如来自重印本的文字（多光谱文档图像的二值化，2015）
• 准确分析纸织物纹理等非书面元素