[IP] 이미지 Segmentation(분할)

🤔 Segmentation이란?

- Image segmentaion : 이미지를 비슷한 정보를 가진 단위로 나눈 것

💡 클래식한 접근이다.

1. Point clustering : 비슷한 종류끼리 묶음

2. Image segmentation 

3. Semantic segmentation : 이미지 내의 의미있는 클래스들끼리 분할

4. Video object segmentation : 움직이는 사진, 영상(비디오)의 의미있는 객체,object만을 분할

 

- segmentation method의 방법

 

🤔Image thresholding 이란?

Single threshold

픽셀의 grayLevel > T 이면 하얗다

픽셀의 grayLevel <= T 이면 어둡다.

- Threshold를 기준으로 255, 0으로 나뉨.

왼쪽은 원본, 오른쪽은 single threshold한 결과

- 이미지의 숨겨진 픽셀을 볼 수 있음.

 

Double threshold

- threshold를 2개로 지정 -> 많이 쓸수록 복잡해진다.

T1과 T2사이에 픽셀이 존재할 경우 white

그외이면 black으로 처리

 

 

🤔 thresholding 을 이용한 간단한 실제 사례들

1. 글씨가 작성된 종이사진에서 배경을 없애고, 글씨만 나오도록 조정

2. thresholding하기 전에 smoothing filter를 통해 자잘한 먼지같은거를 없애고, 큼지막한 거만 thresholding되서 보이도록 조정

 

🤔 적절한 thresholding을 찾는 방법

여러번 thresholding을 통해 적절한 값을 찾는건 정말 쉽지않음.

따라서, 이미지에 대한 히스토그램을 그려 픽셀값들을 봄. 이때, 이진화가 가능한 이미지여야함.

배경에 대한 픽셀값과 object에 대한 픽셀값이 모여져 있는 히스토그램을 볼 수 있음. (배경과 전경으로 뚜렷하게 나뉨)

- threshold는 0~255 중 딱 한 구간을 골라야한다.

threshold는 두 히스토그램의 사이값이다.

 

Otsu's method

otsu의 이진화는 이미지 처리에서 자동 이진화의 한 형태이다.

이미지에서 가장 좋은 이진화 값을 자동으로 계산하여 이미지를 두 개의 클래스로 분할합니다. 이를 위해 Otsu의 방법은 이미지의 픽셀값을 두 개의 클래스로 분류하기 위해 적절한 임계값(threshold)을 찾는 것입니다.

 

Otsu의 방법은 이미지의 픽셀값 분포에서 within-class variance와 between-class variance를 사용하여 임계값을 결정합니다.

within-class variance : 클래스 내부의 분산

between-class variance : 클래스 간의 분산을 의미

 

Otsu의 방법을 구현하기 위해서는 다음 단계를 수행해야합니다:

1. 이미지의 grayscale 값을 히스토그램으로 변환합니다.
2. 이미지의 픽셀값 분포에서 클래스 내부와 클래스 간 분산을 계산합니다.
3. 모든 가능한 threshold 값을 시도하여 클래스 간 분산을 최대화하는 최적의 threshold 값을 찾습니다.
4. 최적의 threshold 값을 사용하여 이미지를 이진화합니다.