Image Thresholding¶

Goal¶

이 문서에서는 Binary Image에 대해 소개하고, 이를 만드는 기법인 Simple Thresholding, Adaptive Thresholding, Otsu Thresholding 등을 같이 소개한다.

OpenCV에서는 관련하여 다음의 함수들을 제공한다.

• cv2.threshold
• cv2.adaptiveThreshold

Binary Image¶

Pixel의 intensity가 0과 1 두가지 값으로만 구성된 Image.

Thresholding에 의해 형성됨

• Image 전역에 Thresholding을 하는 경우 (Global Thresholding)와
• 이미지의 작은 영역(patch, region)별로 thresholding을 하는 경우(Adaptive method)

로 나눌 수 있음.

주로 특정 object와 background를 나눈 결과물의 형태이며, 이를 나누기 위한 Masking 등에 사용됨.

Simple Thresholding¶

OpenCV는 기본적으로 uint8을 사용하기 때문에, binary image가 앞서 설명한 0,1이 아닌 0,255를 가진다.

Simple Thresholding은 특정 threshold 보다 큰 값은 1에서 255 중 지정된 값으로 할당하고, 나머지는 0으로 할당하는 방식으로 동작하며 OpenCV에서는 cv2.threshold라는 함수를 통해 제공된다.

Global method 라고 생각하면 된다 (전체 이미지에 대해 하나의 threshold를 기준으로 적용한다).

cv2.threshold (src_img, threshold, max_val, style_of_threshold)

• src_img : thresholding의 대상이 되는 ndarray 객체.
• threshold : thresholding의 기준이 되는 값.
• max_val : threshold보다 높은 intensity를 가지는 pixel들에 할당되는 값 (style_of_threshold에 따라 낮은 값에 할당되기도 함)
• style_of_threshold : Thresholding 방식의 종류를 지정한다.

다음의 표를 참고.

이 외에 다음을 선택가능함.

• cv2.THRESH_OTSU : Otsu Algorithm으로 자동으로 threshold를 찾고 thresholding.
• cv2.THRESH_TRINAGLE : Triangle Algorithm으로 자동으로 threshold를 찾고 thresholding.

Example¶

다음 코드는 gradient image (위의 그림에서 Original Image)를 생성함.

import numpy as np
from matplotlib import pyplot as plt

width = 512
height = 256

mask1 = np.repeat(
    np.tile(np.linspace(0, 1, width), (height, 1))[:, :, np.newaxis], 
    3, axis=2)

mask1 = (mask1*255).astype("uint8")

plt.imshow(mask1)

Simple Thresholding의 여러 스타일을 사용하는 예제는 다음과 같음.

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

# img = cv2.imread('gradient.png',0)
img = mask1.copy()
ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
ret,thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
ret,thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
ret,thresh5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)

titles = ['Original Image','BINARY','BINARY_INV',
          'TRUNC','TOZERO','TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]

plt.figure(figsize=(10,4))
for i in range(6):    
    plt.subplot(2,3,i+1)
    plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])

plt.show()

Adaptive Thresholding¶

Global Thresholding은 illumination등이 균일하지 않은 경우에는 좋은 방법이 아니다.

Adaptive thresholding은

• image 각 pixel에 대해 이웃하는 작은 구역을 구하고,
• 이를 이용해 각 pixel 별로 다른 threshold를 적용하는 방식

으로 동작하며,

• images with varying illumination 의 경우
• 보다 나은 Thresholding을 제공한다.

OpenCV 에서는 cv2.adaptiveThreshold 함수를 통해 제공된다.

cv2.adaptiveThreshold(
    src_img, 
    max_val, 
    adaptive_method,
    style_of_threshold,
    block_size,
    c)

• adaptive_method : 어떤 방식을 사용할지를 고름.
  • cv2.ADAPTIVE_THRESH_MEAN_C : block(=neighborhood area라고도 불림)의 mean을 threshold로 사용.
    \(T(x,y) = \mu_\text{block}(x,y) - C\)
  • cv2.ADAPTIVE_THRESH_GAUSSIAN_C : neighborhood 들에 대해 Gaussian window 사용한 weighted sum을 구하고 이를 threshold로 사용.
    \(T(x,y) = G* \text{N} (x,y)-C\)
• block_size : neighborhood area 크기. 3이상의 홀수여야 함.
• C - threshold 구할 때 빼주는 일종의 constant.

Example¶

import cv2
import numpy as np
from matplotlib import pyplot as plt
import requests


url = 'https://raw.githubusercontent.com/dsaint31x/OpenCV_Python_Tutorial/master/images/sudoku.jpg'


image_ndarray = np.asarray(bytearray(requests.get(url).content), dtype=np.uint8)
img = cv2.imdecode(image_ndarray, cv2.IMREAD_UNCHANGED)

img = cv2.medianBlur(img,5)

ret,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,\
            cv2.THRESH_BINARY,11,2)
th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\
            cv2.THRESH_BINARY,11,2)

titles = ['Original Image', 'Global Thresholding (v = 127)',
            'Adaptive Mean Thresholding', 'Adaptive Gaussian Thresholding']
images = [img, th1, th2, th3]

plt.figure(figsize=(12,12))
for i in range(4):
    plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
plt.show()

Histogram based Thresholding¶

image의 (intensity) histogram 에서 Threshold을 결정하고 이를 이용하여 Thresholding하는 방법.

• 실제로는 Threshold를 구하기가 쉽진 않음.( 명확하지 않은 히스토그램의 골과 마루, 잡음 등)
• 크게 다음으로 나뉨.
  • p-타일 기법,
  • 모드 기법,
  • 최대분산비 기법 (=Otsu's Thresholding, Otsu's binarization)

p-tile¶

• histogram으로 부터 target(대상 물체)가 차지하는 비율(p%)에 해당하는 intensity를 Threshold로 결정하는 방법
• 대상물체의 비율을 미리 알 수 없기 때문에 매번 사람이 이를 정해야 한다.

mode thresholding¶

1. Histogram \(H\)에서 일정 거리 이상 떨어진 local maxima \(i\),\(j\)를 찾는다.
2. \(i\)와 \(j\) 사이에서의 minimum value를 갖는 \(k\)를 찾는다.
3. \(p=\frac{\text{min} [H(i),H(j)]}{H(k)}\)를 계산한다.
4. 최대 \(p\)를 갖는 \(k\)를 threshold로 한다.

1번의 일정거리를 정하기가 좀 난감한 경우가 많다.

Otsu's thresholding (최대분산비 Thresholding) **¶

Global thresholding 에서 가장 많이 사용하는 방법임.

• p-tile, mode thresholding과 달리
• statistical property를 이용하여
• 가장 적절한 global threshold를 알아서 찾아줌.

아쉽지만, Global threshold를 찾는 것으로 adaptive thresholding에선 사용하기 어렵다.

Otsu thresholding은 bimodal image (histogram의 2개의 peak를 가지는 경우를 가르킴)에 가장 적절한 threshold를 찾아준다.

Otsu algorithm은 2개의 class로 나눌 때,

• 각 class의 within-class variance를 최소화 하면서
• 두 class의 inter-class variance는 최대로

만드는 threshold를 찾는다.

수식으로 표현하면 다음의 weighted within-class variance를 최소화하는 \(t\)를 찾는다.

where

• \(i\) : intensity (uint8인 경우, 0~255)
• \(I\) : max intensity of image.
• \(P(i)\) : \(i\)를 가지는 pixel 의 갯수 (또는 확률).

OpenCV에서 cv2.threshold에서 cv2.THRESH_OTSU를 사용하는 방법은 다음과 같음.

ret,th = cv2.threshold(
    src_img,
    0,       #min을 넣어주면 된다.
    255,     #max을 넣어주면 된다.
    cv2.THRESH_BINARY+cv2.THRESH_OTSU
    )

• 사용하고자 하는 thresholding style에 cv2.THRESH_OTSU를 더해주면 됨.
• 이 경우, 반환값 ret에 Otsu알고리즘으로 찾은 값이 저장됨.

References¶

• OpenCV's Tutorial : Image Thresholding