Začínáme s prahováním

Image Processing in Python

Rebeca Gonzalez

Data Engineer

Prahování

Rozdělení obrazu na popředí a pozadí

Převodem na černobílý obraz

Každý pixel se nastaví takto:

255 (bílá), pokud pixel $\gt$ prahová hodnota
0 (černá), pokud pixel $\lt$ prahová hodnota

Prahovaný snímek muže s fotoaparátem

Prahování

Nejjednodušší metoda segmentace obrazu

Izolace objektů
- Detekce objektů
- Detekce obličejů
- Atd.

Prahovaný snímek domino kamenů

Prahování

Pouze ze snímků ve stupních šedi

Kroky prahování na příkladu domino kamenů: původní RGB, stupně šedi a prahovaný snímek

Použití prahování

# Obtain the optimal threshold value
thresh = 127


# Apply thresholding to the image
binary = image > thresh


# Show the original and thresholded
show_image(image, 'Original')
show_image(binary, 'Thresholded')

Prahovaný snímek muže s fotoaparátem

Invertované prahování

# Obtain the optimal threshold value
thresh = 127


# Apply thresholding to the image
inverted_binary = image <= thresh


# Show the original and thresholded
show_image(image, 'Original')
show_image(inverted_binary, 
           'Inverted thresholded')

Invertovaný prahovaný snímek muže s fotoaparátem

Kategorie

Globální (histogram): vhodné pro jednotné pozadí
Lokální (adaptivní): pro nerovnoměrné osvětlení pozadí

Porovnání globálního a lokálního prahování

Vyzkoušejte další algoritmy prahování

from skimage.filters import try_all_threshold


# Obtain all the resulting images
fig, ax = try_all_threshold(image, verbose=False)


# Showing resulting plots
show_plot(fig, ax)

Vyzkoušejte další algoritmy prahování

Všechny globální metody prahování testované na snímku textové stránky ve stupních šedi

Optimální prahová hodnota

Globální

Jednotné pozadí

# Import the otsu threshold function
from skimage.filters import threshold_otsu


# Obtain the optimal threshold value
thresh = threshold_otsu(image)


# Apply thresholding to the image
binary_global = image > thresh

Optimální prahová hodnota

Globální

# Show the original and binarized image
show_image(image, 'Original')
show_image(binary_global, 'Global thresholding')

Původní snímek muže s fotoaparátem, prahovaný snímek a histogram s červenou čárou označující optimální prahovou hodnotu

Optimální prahová hodnota

Lokální

Nerovnoměrné pozadí

# Import the local threshold function
from skimage.filters import threshold_local


# Set the block size to 35
block_size = 35


# Obtain the optimal local thresholding
local_thresh = threshold_local(text_image, block_size, offset=10)


# Apply local thresholding and obtain the binary image
binary_local = text_image > local_thresh

Optimální prahová hodnota

Lokální

# Show the original and binarized image
show_image(text_image, 'Original')
show_image(binary_local, 'Local thresholding')

Lokálně prahovaný snímek textové stránky

Pojďme cvičit!

Image Processing in Python