Bei der Bildverarbeitung und -analyse benötigen wir manchmal eine Methode, um zwei verwandte Daten zu trennen, z. B. Hintergrund und Vordergrund, Land und Fluss. Hier werde ich einen datengesteuerten Weg vorstellen, der adaptiv den optimalen Schwellenwert finden kann, um Zwei-Klassen-Daten — Otsu-Schwellenwerte zu unterscheiden. Diese Methode kann bei der Bildsegmentierung und Bildbinarisierung angewendet werden.
+Kurze Einführung
Die Otsu-Methode ist eine adaptive Schwellwertmethode zur Binarisierung in der Bildverarbeitung. Durch Durchlaufen aller möglichen Schwellenwerte (von 0 bis 255) kann der optimale Schwellenwert für das Eingabebild ermittelt werden.
+Mehr Details
In den folgenden drei Abschnitten werde ich erklären, wie Otsu Thresholding funktioniert und warum es das tut.
Überblick über die Otsu-Methode: Ermitteln Sie den optimalen Schwellenwert, sodass die Varianz innerhalb der Klasse Vw minimal ist (oder die Varianz zwischen den Klassen Vb maximal ist).
- Histogramm für das Eingabebild erstellen
Wir gehen davon aus, dass das Eingabebild ein Graustufenbild ist. Das RGB-Eingabebild sollte zuerst in ein Graustufenbild konvertiert werden.
Beim Otsu Thresholding werden statistische Daten eines Bildes verwendet. Zuerst sprechen wir über „Histogramm“. Es ist eine Darstellung der Verteilung der Daten. Und … wie erstelle ich das Histogramm für ein Eingabebild? Sehr einfach, schauen Sie sich das folgende Beispiel 👇 an, um die Anzahl jedes Pixelwerts in einem Bild zu berechnen, und dieses statistische Ergebnis ist das sogenannte Histogramm.
Beachten Sie, dass der Bereich des Pixelwerts zwischen 0 und 255 liegt. Der Einfachheit halber gehen wir davon aus, dass der Pixelwert nicht größer als 5 ist und der Pixelwert nicht mit der im Beispiel gezeigten Farbe zusammenhängt.
