Nel processo e nell’analisi delle immagini, a volte è necessario un metodo per separare due dati correlati, ad esempio sfondo e primo piano, terra e fiume. Qui, introdurrò un modo basato sui dati che può trovare adattivamente la soglia ottimale per distinguere la soglia Otsu di dati a due classi. Questo metodo può essere applicato nella segmentazione delle immagini e nella binarizzazione delle immagini, e quest’ultimo è l’argomento principale in questo articolo.
+Breve introduzione
Il metodo di Otsu è un metodo di soglia adattivo per la binarizzazione nell’elaborazione delle immagini. Passando attraverso tutti i possibili valori di soglia (da 0 a 255), può trovare il valore di soglia ottimale dell’immagine di input.
+Maggiori dettagli
Nelle tre sezioni seguenti, spiegherò come funziona la soglia Otsu e perché lo fa.
Panoramica del metodo Otsu: trova il valore di soglia ottimale in modo che la varianza Vw all’interno della classe sia minima (o la varianza Vb tra le classi sia massima).
- crea istogramma per l’immagine di input
Assumiamo che l’immagine di input sia un’immagine in scala di grigi. Per quanto riguarda l’immagine di input RGB, dovrebbe essere convertita prima in immagine in scala di grigi.
Nella soglia Otsu, vengono utilizzati dati statistici di un’immagine. Innanzitutto, parliamo di”Istogramma”. È una rappresentazione della distribuzione dei dati. E…come creare l’istogramma per un’immagine di input? Molto semplice, dai un’occhiata al seguente esempio 👇, per calcolare il numero di ogni valore di pixel in un’immagine e questo risultato statistico è il cosiddetto istogramma.
Si noti che l’intervallo del valore del pixel è compreso tra 0 e 255. Per comodità, supponiamo che il valore del pixel non sia maggiore di 5 e che il valore del pixel non sia correlato al colore mostrato nell’esempio.
