• segmentation 주요 목표는 하나 이상의 특성 또는 특징과 관련하여 동질적인 영역(클래스 또는 하위집합)으로 이미지를 분할하는 것

• segmentation은 의학적 이미지 프로세싱과 많은 어플리케이션에 쓰이는 중요한 도구이다.

• 분석된 이미지의 특성에 대한 다양한 가정은 다양한 알고리즘의 사용으로 이어짐

• 세그멘테이션 종류(아래 링크 참조)

  [딥러닝] 이미지 세그멘테이션(Image Segmentation) (velog.io)

세그멘테이션)

• 픽셀 기반 세그멘테이션
• 지역 기반 세그멘테이션
• 에지 기반 세그멘테이션

출처 : https://www.geeksforgeeks.org/region-and-edge-based-segmentaion/

Thresholding(스레시 홀딩)

• 임계 값을 정한 뒤 픽셀 값이 임계 값을 넘으면 1, 넘지 않으면 0으로 지정하는 방식 → 전역 스레시홀딩
• numpy : 간단하게 연산이 가능
• OpenCV 에서 cv2.threshold() 함수로도 구현 가능

1 : black , 0 : white

오츠의 알고리즘)

임계값을 임의로 정해 픽셀을 두 부류로 나누고 두 부류의 명암 분포를 구하는 작업 반복하여 두 부류의 명암 분포가 가장 균일할 때의 임계값 선택

스레시 홀딩 코드)

# 스레시홀딩 플래그 (threshold_flag.py)

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

img = cv2.imread('../img/gray_gradient.jpg', cv2.IMREAD_GRAYSCALE)

_, t_bin = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
_, t_bininv = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
_, t_truc = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)
_, t_2zr = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)
_, t_2zrinv = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)

imgs = {'origin':img, 'BINARY':t_bin, 'BINARY_INV':t_bininv, \\
        'TRUNC':t_truc, 'TOZERO':t_2zr, 'TOZERO_INV':t_2zrinv}
for i, (key, value) in enumerate(imgs.items()):
    plt.subplot(2,3, i+1)
    plt.title(key)
    plt.imshow(value, cmap='gray')
    plt.xticks([]);    plt.yticks([])
    
plt.show()

오츠의 알고리즘을 적용한 스레시홀딩 (threshold_otsu.py)

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

# 이미지를 그레이 스케일로 읽기
img = cv2.imread('../img/scaned_paper.jpg', cv2.IMREAD_GRAYSCALE) 
# 경계 값을 130으로 지정  ---①
_, t_130 = cv2.threshold(img, 130, 255, cv2.THRESH_BINARY)        
# 경계 값을 지정하지 않고 OTSU 알고리즘 선택 ---②
t, t_otsu = cv2.threshold(img, -1, 255,  cv2.THRESH_BINARY | cv2.THRESH_OTSU) 
print('otsu threshold:', t)                 # Otsu 알고리즘으로 선택된 경계 값 출력

imgs = {'Original': img, 't:130':t_130, 'otsu:%d'%t: t_otsu}
for i , (key, value) in enumerate(imgs.items()):
    plt.subplot(1, 3, i+1)
    plt.title(key)
    plt.imshow(value, cmap='gray')
    plt.xticks([]); plt.yticks([])

plt.show()

블러링

초점이 맞지 않는 카메라처럼 영상의 경계가 흐릿해지는 효과