[5] 그레이레벨 임계화 (그레이레벨 임계화 및 Ostus 방법)

DETERMINING THRESHOLD IN THRESHOLDING

2. PROCESSING FOR COLOR IMAGES

 

 

---

GRAY-LEVEL THRESHOLDING

이진영상의 목적

: 입력영상으로부터 관심있는 object만을 배경으로부터 분리 시키기 위해서 사용을 한다.

 

Segmentation

: 배경과 객체를 분리 시키는 것

 

 

Threshold

: 기본적으로 하나의 배경, 하나의 객체를 기준으로 한다.

Bimodal histogram

예시)

---

[최적화된 임계점을 찾는 방법]

Optimal Threshold by OTSU (1)

• 임계값 T를 기준으로 영역을 2개 그룹으로 나누었을 때 각 집합내 의 명암 분포는 균일하고 집합 사이의 명암 차이는 최대화될 수 있 도록 한다.
• 모든 가능한 T에 대해 점수를 계산하여 가장 좋은 T를 최종 임계값 으로 선택한다.

    => 최적화 알고리즘 (optimization algorithm)

         낱낱 탐색 (exhaustive search), 언덕 오르기 (hill climbing) 등의 탐색 방 법을 사용 가능하다.

 

• 최적화 알고리즘에서는 비용 함수 (cost function) 또는 목적 함수 (objective function)을 사용하여 점수를 계산한다.

Optimal Threshold by OTSU (2)

( L: 영상이 가지는 최대 밝기값(256), 시그마: 분산, 오메가: 가중치 )

 

Optimal Threshold by OTSU (3)

(N: 전체 픽셀 수, i: 밝기값)

 

Optimal Threshold by OTSU (4)

Within class variance: 그룹 안에 분산들이 작으면 작을수록 좋다고 판단.

그룹 내부의 분산을 작게만드는 것과 그룹사이의 분산값을 크게 만드는 목적은 동일하다.

Optimal Threshold by OTSU (6)

Algorithm

* Coarse to fine approach 사용가능

 

 

 

• Reference

영상처리 및 패턴 인식 - 금오공과대학교 김성영