06. 이진화

1. 영상의 이진화(Binarization)

- 픽셀을 검은색 또는 횐색과 같이 두 개의 값으로 나누는 작업
- 영상에서 의미있는 관심영역(ROI)과 비 관심영역 구분할 때 사용
- 배경과 객체를 나울 때도 사용
- 영상의 이진화 연산을 할 때 나누는 특정값을 임계값이라고 함

 

 

◼ 이미지의 이진화 처리

cv2.threshold(영상, 임계값, 최대값, 플래그)       cv2.THRESH_BINARY: 픽셀값이 임계값을 넘으면 최대값으로 지정하고 넘지 못하면 0으로 지정       cv2.THRESH_BINARY_INV: THRESH_BINARY 의 반대

 

 

◼ 예제 : 흑백이미지 이진화 처리

import cv2         import matplotlib.pyplot as plt         img = cv2.imread('./cells.png', cv2.IMREAD_GRAYSCALE)         hist = cv2.calcHist([img], [0], None, [256], [0, 256])         # cv2.THRESH_BINARY: 픽셀값이 임계값을 넘으면 최대값으로 지정하고 넘지 못하면 0으로 지정         a, dst1 = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY)         b, dst2 = cv2.threshold(img, 210, 255, cv2.THRESH_BINARY)         print('a:', a)         cv2.imshow('img', img)         cv2.imshow('dst1', dst1)         cv2.imshow('dst2', dst2)         plt.plot(hist)         plt.show()         cv2.waitKey()

 

2. 오츠의 이진화 알고리즘

- 자동 이진화
- 자동으로 임계값을 구하는 알고리즘, 임계값을 구분하는 가장 좋은 방법으로 사용

 

◼ Otsu's 방법을 통해 자동으로 최적의 임계값을 선택

cv2.threshold(영상, 임계값, 최대값, 플래그 | cv2.THRESH_OTSU)

- 임계값을 임의로 정해 픽셀을 두 분류로 나누고  두 분류의 명암 분포를 구하는 작업을 반복하여 모든 경우의 수 중에서 두 분류의 명암 분류가 가장 균일할 때의 임의값을 선택

 

 

◼ 예제 : Otsu's 방법을 통해 이진화

import cv2         img = cv2.imread('./rice.png', cv2.IMREAD_GRAYSCALE)         th, dst = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)         print('otsh: ', th)         cv2.imshow('img', img)         cv2.imshow('dst', dst)         cv2.waitKey()

 

 

3. 지역 이진화

- 균일하지 않은 조명 환경에서 사용하는 이진화 방법
- 전체 구역에 N등분하고 각각의 디역에 이진화를 한 뒤에 이어 붙이는 방법
- 여러개의 임계값을 이용할 수 있음

 

◼ rice.png 이미지를 가로와 세로로 각각 4등분하여
     전역 이진화와 지역 이진화를 적용하기

# rice.png 영상을 이용하여 가로 4등분, 세로 4등분하고 자동 이진화를 적용해보자.       # 전역(자동) 이진화와 비교       import cv2       import numpy as np       img = cv2.imread('./rice.png', cv2.IMREAD_GRAYSCALE)       # 전역 이진화       _, dst1 = cv2.threshold(img, 0,255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)       # 지역 이진화       dst2 = np.zeros(img.shape, np.uint8)       bw = img.shape[1] # 4       bh = img.shape[0] # 4       # 4x4 영역으로 나누어 지역 이진화 수행       for x in range(4):           for y in range(4):               img_ = img[y*bh: (y+1)*bh, x*bw: (x+1)*bw]               dst_ = dst2[y*bh: (y+1)*bh, x*bw: (x+1)*bw]               # 지역 이진화 수행               cv2.threshold(img_, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU, dst_)       cv2.imshow('img', img)       cv2.imshow('dst1', dst1)       cv2.imshow('dst2', dst2)       cv2.waitKey()

 

4. 적응형 이진화

- 영상을 여러 영역으로 나눈뒤, 그 주변 픽셀 값만 활요하여 임계값을 구함
- 노이즈를 제거한 뒤에 Otsu 이잔화를 적용

 

◼ 이미지에 적응형 임계값을 적용하기

cv2.adaptiveThreshold (영상, 임계값을 만족하는 픽셀에 적용할 값, 임계값 결정 방법, Threshold 적용 방법, 블록 사이즈, 가감할 상수)          cv2.ADAPTIVE_THRESH_MEAN_C: 이웃 픽셀의 평균으로 결정 -> 선명하지만 잡티가 많아짐          cv2.ADAPTIVE_THRESH_GAISSIAN_C: 가우기안 분포에 따른 가중치의 합으로 결정 -> 선명도는 조금 떨어지지만 잡티가 적음

영상 (src): 입력 이미지 (단일 채널, 보통 그레이스케일 이미지) 임계값을 만족하는 픽셀에 적용할 값 (maxValue): 임계값을 넘는 픽셀에 적용할 최대 값 (일반적으로 255) 임계값 결정 방법 (adaptiveMethod): 적응형 임계값 결정 방법을 지정합니다. cv2.ADAPTIVE_THRESH_MEAN_C: 이웃 픽셀의 평균을 사용하여 임계값을 결정합니다. cv2.ADAPTIVE_THRESH_GAUSSIAN_C: 가우시안 윈도우의 가중치 합을 사용하여 임계값을 결정합니다. Threshold 적용 방법 (thresholdType): 이진화 결과를 적용할 방법을 지정합니다. cv2.THRESH_BINARY: 임계값을 넘으면 maxValue를 할당하고, 그렇지 않으면 0을 할당합니다. cv2.THRESH_BINARY_INV: 임계값을 넘으면 0을 할당하고, 그렇지 않으면 maxValue를 할당합니다. 블록 사이즈 (blockSize): 임계값을 계산하기 위한 블록 크기를 지정합니다. 블록 사이즈는 이웃 픽셀들의 영역 크기를 말합니다. 3 이상의 값 블록 사이즈가 클수록 연산 시간이 오래 걸림 가감할 상수 (C):평균이나 가중치 평균에서 빼거나 더할 상수를 지정합니다. 이 값은 계산된 임계값에 더해지거나 뺄 수 있습니다.

 

 

◼ sudoku.jpg 이미지에 대해 전역 이진화와 적응형 이진화를 비교하여 결과를 시각화

import cv2           import matplotlib.pyplot as plt           img = cv2.imread('./sudoku.jpg', cv2.IMREAD_GRAYSCALE)           # 전역 이진화 (OTSU 알고리즘 사용)           th, dst1 = cv2.threshold(img, 0 ,255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)           # 적응형 이진화 (평균 기반)           dst2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 9, 5)           # 적응형 이진화 (가우시안 가중치 기반)           dst3 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 9, 5)           # 결과 이미지 저장           dic = {'img': img, 'dst1': dst1, 'dst2': dst2, 'dst3': dst3}           for i, (k, v) in enumerate(dic.items()):               plt.subplot(2, 2, i+1) # 2x2의 subplot 중 i+1 번째에 배치               plt.title(k) # 제목 설정               plt.imshow(v, 'gray') # 이미지 표시 (흑백으로)           plt.show()