w procesie i analizie obrazu czasami potrzebujemy metody oddzielenia dwóch powiązanych danych, na przykład tła i pierwszego planu, lądu i rzeki. Tutaj przedstawię sposób oparty na danych, który może adaptacyjnie znaleźć optymalny próg, aby odróżnić próg dwuklasowy danych Otsu. Ta metoda może być stosowana w segmentacji obrazu i binaryzacji obrazu, a ta ostatnia jest głównym tematem tego artykułu.
+Krótkie wprowadzenie
metoda Otsu jest adaptacyjnym sposobem progowania dla binaryzacji w przetwarzaniu obrazu. Przechodząc przez wszystkie możliwe wartości progowe (od 0 do 255), może znaleźć optymalną wartość progową obrazu wejściowego.
+więcej szczegółów
w kolejnych trzech sekcjach wyjaśnię, jak działa próg Otsu i dlaczego to robi.
przegląd metody Otsu: znajdź optymalną wartość progową, aby wariancja VW wewnątrz klasy była minimalna (lub wariancja VB między klasami jest maksymalna).
- Utwórz histogram dla obrazu wejściowego
Zakładamy, że obraz wejściowy jest obrazem w skali szarości. Jeśli chodzi o obraz wejściowy RGB, należy go najpierw przekonwertować na obraz w skali szarości.
w progach Otsu wykorzystywane są dane statystyczne obrazu. Najpierw mówimy o „histogramie”. Jest to reprezentacja rozkładu danych. I … jak utworzyć histogram dla obrazu wejściowego? Bardzo proste, spójrz na poniższy przykład 👇, aby obliczyć liczbę wartości każdego piksela na jednym obrazie, a ten wynik statystyczny jest tak zwanym histogramem.
zauważ, że zakres wartości piksela wynosi od 0 do 255. Dla wygody Zakładamy, że wartość pikseli nie jest większa niż 5, a wartość pikseli nie jest związana z kolorem pokazanym w przykładzie.
