이미지 프로세스 및 분석에서 때때로 배경 및 전경,육지 및 강과 같은 두 가지 관련 데이터를 분리하는 방법이 필요합니다. 여기서는 2 클래스 데이터-오츠 임계 값을 구별 할 수있는 최적의 임계 값을 적응 적으로 찾을 수있는 데이터 기반 방법을 소개합니다. 이 방법은 이미지 분할 및 이미지 이진화에 적용 할 수 있으며 후자가이 기사의 주요 주제입니다.
+짧은 소개
오츠의 방법은 이미지 처리에서 이진화를 위한 적응형 임계화 방법이다. 가능한 모든 임계 값(0 에서 255 까지)을 통해 입력 이미지의 최적 임계 값을 찾을 수 있습니다.
+자세한 내용
다음 세 절에서는 오쓰 탈곡의 작동 방식과 그 이유를 설명하겠습니다.
오츠 방법 개요:클래스 내 분산 폭스바겐이 최소(또는 클래스 간 분산 폭스바겐이 최대)되도록 최적의 임계값을 찾습니다.
- 입력 이미지에 대한 히스토그램 만들기
입력 이미지가 회색조 이미지라고 가정합니다. 입력 이미지는 먼저 회색조 이미지로 변환해야 합니다.
오츠 임계 값에서는 이미지의 통계 데이터가 사용됩니다. 먼저”히스토그램”에 대해 이야기합니다. 이는 데이터 분포를 나타내는 것입니다. 입력 이미지의 히스토그램을 만드는 방법? 매우 간단,하나의 이미지에있는 모든 픽셀 값의 수를 계산하기 위해,다음의 예 제 10 를 살펴이 통계 결과는 히스토그램 소위이다.
픽셀 값의 범위는 0 에서 255 까지입니다. 편의를 위해 픽셀 값이 5 보다 크지 않고 픽셀 값이 예제에 표시된 색상과 관련이 없다고 가정합니다.
