a képfeldolgozás és-elemzés során néha szükségünk van egy módszerre két kapcsolódó adat, például a háttér és az előtér, a föld és a folyó elválasztására. Itt bemutatok egy adatvezérelt módszert, amely adaptív módon megtalálja az optimális küszöböt a két osztályú adatok megkülönböztetésére-Otsu küszöb. Ez a módszer alkalmazható a kép szegmentálásában és a kép binarizálásában, és ez utóbbi a cikk fő témája.
+rövid bevezetés
az Otsu módszere adaptív küszöbérték-módszer a binarizációhoz a képfeldolgozásban. Az összes lehetséges küszöbérték (0-tól 255-ig) átmegy, megtalálja a bemeneti kép optimális küszöbértékét.
+További részletek
a következő három szakaszban elmagyarázom, hogyan működik az Otsu thresholding és miért.
az Otsu módszer áttekintése: keresse meg az optimális küszöbértéket úgy, hogy az osztályon belüli variancia VW minimális (vagy az osztály közötti variancia Vb maximális).
- hisztogram létrehozása a bemeneti képhez
feltételezzük, hogy a bemeneti kép szürkeárnyalatos kép. Ami az RGB bemeneti képet illeti, először szürkeárnyalatos képpé kell alakítani.
az Otsu küszöbértékében egy kép statisztikai adatait használják. Először a “Hisztogramról”beszélünk. Ez az adatok eloszlásának ábrázolása. És … hogyan lehet létrehozni a hisztogramot egy bemeneti képhez? Nagyon egyszerű, vessen egy pillantást a következő példára, hogy kiszámítsa az egyes képpontok számát egy képen, és ez a statisztikai eredmény az úgynevezett hisztogram.
vegye figyelembe, hogy a pixelérték tartománya 0-tól 255-ig terjed. A kényelem kedvéért feltételezzük, hogy a pixel értéke nem nagyobb, mint 5, és a pixel értéke nem kapcsolódik a példában látható színhez.