[이미지처리] 이미지 스레시홀딩 기법(Thresholding Techniques)에 대한 개념과 방법에 대한 분석

소개글

Threshold가 무엇인지, 그리고 Threshold의 대표적인 방법들 몇가지를 소개해드리려고 합니다.
다음으로 이 방법들의 전제조건 내지 한계점에 대해 알아보고,
이러한 한계점을 극복하기 위한 해결 방법들을 살펴보도록 하겠습니다.

목차

I. Introduction (발표 방향 및 방법)

II. Segmentation
1. segmention 이란??
2. 이미지를 분리하는 3가지 방법

III. Threshold 란?
1. thresholding 기본개념
2. 히스토그램(histogram)
3. Thresholding 방법
4. 바이모덜(bimodal)
5. Thresholding 을 위한 이상적인 조건
6. Application (적용분야)

IV. Threshold값을 구하는 방법
1. 평균 명암도 적용한 방법
2. 반복 알고리즘 사용

V. Thresholding의 문제점
1. 주요 문제점
2. Multi-modal일 경우
3. Noise가 많을 경우
4. Valley가 없을 때
5. 한쪽 Mode가 다른 것보다 클 경우
6. 조명이 고르지 못할 경우

VI. Global thresholding
1. Thresholding 방법들
2. Global Threshold 방법들
3. Variance(분산) Method
4. Entropy 방법
5. Mixture Modeling Method
6. Method간 상호 비교
7. Global Thresholding의 한계

VII. Adoptive(Local) thresholding
1. Adaptive thresholding이란?
2. Adaptive method 1
3. Adaptive method 2
3. Adaptive method 2

VIII. 결론
1. summary

본문내용

1) 경계(edge) 검출 방법

- 이미지의 경계(edge) 부분을 검출하여 분리해 내는 방법
- 끊어져 있는 경계선들을 서로 연결해주기 위한 후처리(post-processing)과정이 필요

2) region splitting and merging 방법

- 각 영역을 잇는 tree를 구성하여 이들이 서로 공통 성질을 가지면 합하고,
다르면 분리하는 과정을 반복
- 각 영역을 합하거나 분리하는 과정을 반복적으로 수행하므로 계산시간이 길어지는 단점

3) 문턱값(threshold)을 이용한 Thresholding 방법

이미지의 gray level 중 일정한 값(문턱값)을 정해서 그보다 어두운 부분과 밝은 부분으로 나누어서 object를 분리해내는 방법.
다른 두 방법 보다 계산량이 적어 실시간 동작에 있어서 매우 유리
Segmentation에 있어서 가장 기본적이면서도 중요한 방법

참고 자료

없음