En el proceso y análisis de imágenes, a veces necesitamos un método para separar dos datos relacionados, por ejemplo, fondo y primer plano, tierra y río. Aquí, presentaré una forma basada en datos que puede encontrar adaptativamente el umbral óptimo para distinguir el umbral Otsu de datos de dos clases: Este método se puede aplicar en la segmentación de imágenes y la binarización de imágenes, y este último es el tema principal de este artículo.
+ Breve introducción
El método de Otsu es una forma de umbral adaptativa para la binarización en el procesamiento de imágenes. Al pasar por todos los valores de umbral posibles (de 0 a 255), puede encontrar el valor de umbral óptimo de la imagen de entrada.
+ Más detalles
En las siguientes tres secciones, explicaré cómo funciona el umbral Otsu y por qué lo hace.
Descripción general del método Otsu: encuentre el valor umbral óptimo para que la varianza dentro de la clase Vw sea mínima (o la varianza entre clases Vb sea máxima).
- crear histograma para la imagen de entrada
Asumimos que la imagen de entrada es una imagen en escala de grises. En cuanto a la imagen de entrada RGB, primero debe convertirse en imagen en escala de grises.
En el umbral Otsu, se utilizan datos estadísticos de una imagen. Primero, hablamos de «Histograma». Es una representación de la distribución de los datos. Y how ¿cómo crear el histograma para una imagen de entrada? Muy sencillo, eche un vistazo al siguiente ejemplo👇, para calcular el número de cada valor de píxel en una imagen y este resultado estadístico se denomina histograma.
Tenga en cuenta que el rango del valor del píxel es de 0 a 255. Para mayor comodidad, asumimos que el valor del píxel no es mayor que 5 y que el valor del píxel no está relacionado con el color que se muestra en el ejemplo.
