[Python] OpenCV 기초 10 - 이미지 변형(이진화)

1. Threshold

cv2.threshold([이미지], 임계값, 반환값, cv2.THRESH_BINARY)

import cv2
img = cv2.imread('book.jpg',cv2.IMREAD_GRAYSCALE)

ret, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) # 127보다 크면 흰색, 작으면 검정 반환


cv2.imshow('img',img)
cv2.imshow('binary',binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

127을 기준으로 127보다 큰 값이면 반환값인 흰색, 작은 값이면 검정색을 반환함

 

 

2. Trackbar 

cv2.nameWindow([Window name])
cv2.createTrackbar([bar name], [Window name], 초기값, 최대값, 이벤트 처리)

import cv2

def empty(pos):
    #print(pos)
    pass
img = cv2.imread('book.jpg', cv2.IMREAD_GRAYSCALE)

name  = 'Trackbar'
cv2.namedWindow(name)

cv2.createTrackbar('threshold', name, 127, 255, empty) # bar 이름, 창의 이름, 초기값, 최대값, 이벤트 처리

while True:
    thresh = cv2.getTrackbarPos('threshold',name) # bar 이름, 창의 이름
    ret, binary = cv2.threshold(img, thresh, 255, cv2.THRESH_BINARY)
    
    if not ret:
        break
    
    cv2.imshow(name, binary)
    if cv2.waitKey(1) == ord('q'):
        break
cv2.destroyAllWindows()

 

Trackbar라는 이름의 새 윈도우 창에 threshold를 조정할 수 있는 Trackbar가 생성됨을 알 수 있다. 초기값은 127로 설정되어있다. 

 

 

임계값(Threshold)를 작게 할 수록 흰색으로 변형되는 부분이 많아짐을 확인할 수 있다. 

 

3. Adaptive Threshold

cv2.adaptiveThreshold([이미지], 반환값, cv2.ADAPTIVE_MEAN_C, cv2.THRESH_BINARY, blocksize,c)

import cv2

def empty(pos):
    #print(pos)
    pass
img = cv2.imread('book.jpg', cv2.IMREAD_GRAYSCALE)

name  = 'Trackbar'
cv2.namedWindow(name)

cv2.createTrackbar('block_size', name, 25, 100, empty) # block size : 홀수만 가능, 1보다는 큰 값
cv2.createTrackbar('c', name, 3, 10, empty) # c: 일반적으로 양수의 값을 사용


while True:
    block_size = cv2.getTrackbarPos('block_size',name) # bar 이름, 창의 이름
    c = cv2.getTrackbarPos('c',name)
    
    if block_size <= 1 : #1이하면 3으로 변경
        block_size = 3
        
    if block_size % 2 == 0 : # 짝수면 홀수로 변경
        block_size +=1
        
    binary = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, block_size, c)
    
    
    
    cv2.imshow(name, binary)
    if cv2.waitKey(1) == ord('q'):
        break
cv2.destroyAllWindows()

 

Adaptive Threshold는 이미지를 작은 영역으로 나누어 임계치를 적용한다. 

block size와 c 값을 이용하여 이미지를 변형할 수 있다. 

 

 

4. 오츠 알고리즘

cv2.threshold([이미지], -1, cv2.THRESHOLD_BINARY | cv2.THRESH_OTSU)

import cv2
img = cv2.imread('book.jpg',cv2.IMREAD_GRAYSCALE)

ret, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) # 그냥 임계값
ret, otsu = cv2.threshold(img, -1, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) # 오츠 알고리즘 이용(최적의 임계값 탐색)
print('otsu threshold',ret)



cv2.imshow('img',img)
cv2.imshow('binary',binary)
cv2.imshow('otsu',otsu)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

오츠 알고리즘은 최적의 임계값을 탐색한다. 모든 이미지에 대해 최적의 임계값을 찾지는 못하지만 Bimodal Image에 사용하기 적합하다.