画像のしきい値処理とは?

画像のしきい値処理は、明るさ、色、その他の測定値を一つ以上のしきい値と比較して、ピクセルをクラスに分類します。大域的なしきい値処理では画像全体に同じルールを適用し、適応的な手法では領域ごとにルールを変えます。

画像のしきい値処理の仕組み

しきい値処理は、画像チャネルの測定値や算出したスコアに判定境界を適用し、離散的な領域に分けます。前景と背景の分布が分離していれば単一のしきい値で十分ですが、照明が変化する場合は、局所的なルールで近傍からしきい値を推定します。複数のしきい値を使うと、二つを超えるクラスに分類できます。文書処理や検査のパイプラインでは、得られたマスクを使って、連結成分解析、OCR、モルフォロジー処理、計測、ベクトルトレースを行うことがよくあります。

要点

  1. 大津の方法は、クラス内分散を最小化して画像全体のしきい値を選びますが、輝度分布が重なっていたり、集団間に大きな偏りがあったりすると、うまく分離できない場合があります。
  2. 適応的な手法は近傍のサイズに依存します。ウィンドウが小さすぎるとテクスチャやノイズに追従し、大きすぎると局所的な陰影を補正できません。
  3. アンチエイリアス処理されたエッジにしきい値処理を適用すると、部分的に覆われたピクセルから明確な輪郭が決まります。そのため、選んだしきい値によって計測面積や見かけの線幅が変わります。

画像のしきい値処理が重要になる場面

照明が均一な対象には大域的なしきい値処理を、照明にむらがある文書やシーンには適応的なしきい値処理を使います。しきい値の選び方が適切でないと、薄い特徴が消えたり、前景のノイズが対象と一体化したりする場合があります。

メディアの知識を実用的なパイプラインに

単一の宣言的 API で、アップロード、処理、AI、ストレージ、配信を連携できます。エンコードスタックの管理、スケーリング、形式の変化への対応はお任せください。

Transloadit を無料で試す