v procesu a analýze obrazu někdy potřebujeme metodu k oddělení dvou souvisejících dat, například pozadí a popředí, země a řeky. Tady, představím způsob založený na datech, který může adaptivně najít optimální práh pro rozlišení dvou tříd dat — Otsu prahování. Tato metoda může být použita při segmentaci obrazu a binarizaci obrazu a tato metoda je hlavním tématem tohoto článku.
+Krátký úvod
otsuho metoda je adaptivní prahování způsob binarizace ve zpracování obrazu. Procházením všech možných prahových hodnot (od 0 do 255) může najít optimální prahovou hodnotu vstupního obrazu.
+ další podrobnosti
v následujících třech částech vysvětlím, jak funguje prahování Otsu a proč to dělá.
přehled metody Otsu: najděte optimální prahovou hodnotu tak, aby rozptyl v rámci třídy Vw byl minimální(nebo rozptyl mezi třídou VB je maximální).
- vytvoření histogramu pro vstupní obraz
předpokládáme, že vstupní obraz je obraz ve stupních šedi. Pokud jde o vstupní obraz RGB, měl by být nejprve převeden na obraz ve stupních šedi.
při prahování Otsu se používají statistická data obrazu. Nejprve mluvíme o „histogramu“. Jedná se o reprezentaci distribuce dat. A … jak vytvořit histogram pro vstupní obrázek? Velmi jednoduše se podívejte na následující příklad 👇, pro výpočet počtu každé hodnoty pixelu v jednom snímku a tento statistický výsledek je tzv. histogram.
Všimněte si, že rozsah hodnoty pixelu je od 0 do 255. Pro větší pohodlí předpokládáme, že hodnota pixelu není větší než 5 a hodnota pixelu nesouvisí s barvou zobrazenou v příkladu.
