Python - OpenCV (10) : Otsu's Binarization

 

앞서 thresholding 포스팅에 이어 Otsu's Binarization(오츠의 이진화)에 대해 알아보고

OpenCV에서 어떻게 사용하는지 알아보겠습니다.

포스팅 관련 내용은 아래에서 출처를 얻어 사용하였습니다. 

https://docs.opencv.org/4.5.2/d7/d4d/tutorial_py_thresholding.html

---

Otsu's Binarization (오츠의 이진화)

- 이전 thresholding 방법들은 임계값을 직접 설정해줘야 하며, 설정해주지 않더라도 계산하는 방법을 설정하였습니다.

하지만 영상은 조명에 따라 픽셀 값이 미세하게 변화합니다. 영상마다 사용할 수 있는 임계값을 자동으로 설정해주는 방법이 있는데 그중에 가장 유명한 Otsu's Binarization (오츠의 이진화)에 대해 알아보겠습니다. 

 

- 오츠의 이진화는 이미지의 히스토그램이 두 개의 피크로 구성되는 Bimodal image에 적용이 가능합니다. 

좋은 임계값은 이 두 개의 피크 값의 중간에 있고, 오츠의 방법은 이미지 히스토그램에서 최적의 임계값을 결정합니다.

 

Bimodal histogram 예시

---

Otsu's Binarization Algorithm (오츠 이진화 알고리즘)

 

- 오츠 이진화 알고리즘은 Bimodal 히스토그램으로 작업하기 때문에 그룹 내의 분산을 최소로 하는 임계값으로 설정합니다.  모든 t값에 대해 계산을 하기 때문에 연산속도가 오래 걸려 Recursion을 이용해 효율적으로 계산하여 연산 속도를 올렸습니다. 

 

 

---

Otsu's Binarization in OpenCV

- OpenCV에서 cv2.threshold 함수로 Otsu 이진화를 지원합니다. 

cv2.threshold의 type을 cv2.THRESH_OTSU를 입력하여 적용합니다.

 

코드)

import cv2 
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('./images/noise_img.png', 0)

# 전역 스레시홀딩
_, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# 오츠 스레시홀딩
_, th2 = cv2.threshold(img, 127, 255, cv2.THRESH_OTSU)

# 가우시안 필터 후 오츠 스레시홀딩 
blur = cv2.GaussianBlur(img, (5,5), 0 )
_, th3 = cv2.threshold(blur, 127, 255, cv2.THRESH_OTSU)

# 이미지 및 이미지의 히스토그램 출력 
images = [img, 0, th1,
          img, 0, th2,
          blur, 0, th3]
titles = ['Original Nosie Image', 'Histogram', 'Global Thresholding ( v = 127 )',
          'Original Nosie Image', 'Histogram', "Otsu's Thresholding",
          'Gaussian Image', 'Histogram', "Otsu's Thresholding"]

for i in range(3):
    plt.subplot(3, 3, i*3+1)
    plt.imshow(images[i*3], cmap = 'gray')
    plt.title(titles[i*3])
    plt.xticks([]), plt.yticks([])

    plt.subplot(3, 3, i*3+2) 
    plt.hist(images[i*3].ravel(), 256)
    plt.title(titles[i*3+1])
    plt.xticks([]), plt.yticks([])

    plt.subplot(3, 3, i*3+3) 
    plt.imshow(images[i*3+2], cmap = 'gray')
    plt.title(titles[i*3+2])
    plt.xticks([]), plt.yticks([])
    
plt.show()

 

 

결과)

 

 

- 결과에서 가우시안 필터링을 하지 않은 히스토그램들은 Bimodal Histogram처럼 보이진 않습니다. 

그래서 결과에 큰 차이가 없으며 이진화 처리도 잘 되지 않은 모습을 볼 수 있고 가우시안 필터링을 거친 마지막 이미지는 히스토그램을 통해 최적의 임계값을 찾아 블러링 처리하지 않은 이미지보다 이진화가 잘 된 것을 볼 수 있습니다. 

 

 

 

이번 포스팅은 오츠의 이진화에 대해 알아보았고 틀린 점이나 질문이 있으시면 댓글을 남겨주세요! 

 

다음 포스팅으로 찾아오겠습니다 :)