画像処理や解析では、背景と前景、土地と川など、二つの関連データを分離する方法が必要な場合があります。 ここでは、2つのクラスのデータを区別するための最適なしきい値を適応的に見つけることができるデータ駆動型の方法を紹介します-大津しきい値 この方法は、画像分割および画像二値化に適用することができ、後者がこの記事の主なトピックである。
+簡単な紹介
大津の方法は、画像処理における二値化のための適応しきい値化方法です。 すべての可能なしきい値（0から255まで）を調べることによって、入力画像の最適なしきい値を見つけることができます。
+詳細
以下の三つのセクションでは、大津しきい値処理がどのように機能するのか、なぜそれが機能するのかを説明します。
大津法の概要：クラス内分散Vwが最小（またはクラス間分散Vbが最大）になるように最適なしきい値を求めます。
- 入力画像のヒストグラムを作成
入力画像がグレースケール画像であると仮定します。 RGB入力画像については、最初にグレースケール画像に変換する必要があります。
大津しきい値処理では、画像の統計データを使用します。 まず、”ヒストグラム”について話します。 これは、データの分布の表現です。 そして…入力画像のヒストグラムを作成する方法は？ 非常に簡単に、1つの画像内のすべてのピクセル値の数を計算するために、次の例👇を見てみましょう、この統計結果は、いわゆるヒストグラムです。＜４ ８ ９ ８＞＜５ ６ ７＞なお、画素値の範囲は０〜２ ５ ５である。 便宜上、画素値が５以下であり、画素値が例に示す色に関連していないと仮定する。
