OTSU 알고리즘

코드

import cv2

from matplotlib import pyplot as plt

# 이미지를 컬러로 읽기

image = cv2.imread('Lena.png')

# 컬러 이미지를 그레이스케일로 변환

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# OTSU 알고리즘을 사용하여 이미지 이진화

_, binarized_image = cv2.threshold(gray_image, 100, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 결과 이미지 출력

plt.subplot(1, 2, 1)

plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))  # 컬러 이미지 출력을 위해 BGR에서 RGB로 변환하여 표시

plt.title('Original Image')

plt.xticks([])

plt.yticks([])

plt.subplot(1, 2, 2)

plt.imshow(binarized_image, 'gray')  # 이진화된 이미지 출력

plt.title('Binarized Image')

plt.xticks([])

plt.yticks([])

plt.show()

 

결과

load.jpg

 

Lena.png

 

 

경계값을 임의로 정해서 픽셀들을 두 부류로 나누고 두 부류의 명암 분포를 반복해서 구한 다음 두 부류의 명암 분포를 가장 균일하게 하는 경 값을 선택한다. 다시말해, 특정 threshold를 T라 하면, T를 기준으로 이진 분류된 픽셀의 비율의 차가 가장 작은 optimal T를 구하는 것이다.

오츠 알고리즘은 모든 threshold에 대해 계산해야 하기 때문에 속도가 느리다는 단점이 있다. 또한 노이즈가 많은 영상에는 오츠의 알고리즘을 적용해도 좋은 결과를 얻지 못하는 경우가 있다.

 

다음을 가정할 때 가장 우수한 결과를 보인다.

• 원본 이미지가 배경과 객체 두개로 구성되어 있을 때 
• 원본 이미지의 히스토그램 분포가 두개의 봉우리(Bimodal)형태를 가질 때
• 두 봉우리 사이의 골이 깊고 날카로울 때

 

https://bkshin.tistory.com/entry/OpenCV-8-%EC%8A%A4%EB%A0%88%EC%8B%9C%ED%99%80%EB%94%A9Thresholding

OpenCV - 8. 스레시홀딩(Thresholding), 오츠의 알고리즘(Otsu's Method)

https://aliencoder.tistory.com/53

[OpenCV] [Python] 이미지 이진화(Binarization)와 Thresholding (임계처리) + 오츠(Otsu)