判別分析法(大津の二値化)

シェアする

  • このエントリーをはてなブックマークに追加
最近の記事
  • 10/21 【C#】寸法線の描画
  • 10/21 【C#】GraphicsPathの領域取得
  • 10/20 【C#】GraphicsPathの描画
  • 10/18 【C#】GraphicsPath
  • 10/17 【C#】Bitmap画像データの拡大縮小
  • 10/15 【C#】画像の座標系
  • 10/14 【C#】画像の上下左右反転、90,180,270度回転
  • 10/3 【C#】SplitContainerのPanel固定方法
  • 9/7 【Neural Network Console】学習データの出力方法
  • 9/3 Deep Learning向け学習画像撮り込みソフト公開
  • 9/1 【Neural Network Console】新規画像のDataset作成方法
  • 8/28 【Neural Network Console】GUI表示スケールの変更
  • 8/22 【Neural Network Console】CPU/GPU処理の設定切替
  • 8/21 【Neural Network Console】Learning Rate(学習率)の設定
  • 8/20 ソニーの無償AIソフト Neural Network Consoleの入手ダウンロード、インストール
  • 8/20 Deep Learning
  • 8/20
  • 8/19 古いバージョンのVisual Studio Community/Expressの入手ダウンロード
  • 8/19 CUDAの入手、ダウンロード、インストール方法
  • 8/17 【C#.NET】マイクロソフト仕様のアフィン変換
  • 8/5 【C#】ファイルを開くダイアログボックスの表示
  • 8/2 キャノンプリンターのCDトレイはどこ?!
  • 7/6 【参考書籍】画像処理・機械学習プログラミング OpenCV 3対応
  • 6/20 【Python,matplotlib】動くグラフをAnimationGifに保存する方法
  • 6/17 シグモイド関数の微分
  • 6/15 シグモイド関数
  • 6/13 合成関数の微分
  • 6/12 WordPressで数式エディタ風に数式を入力したい
  • 6/11 PythonをVisual Studioでインストールする方法
  • 6/9 【Python】OpenCVをAnacondaでインストール(Windows編)
  • 6/6 【Python】Anacondaで複数バージョンの環境切り替え
  • 6/6 画像センシング展2017に出展します。
  • 6/1 【Office365】Web版Outlookのフォントサイズ変更
  • 6/1 【Anaconda】モジュールのアップデートでエラー発生
  • 6/1 【Anaconda】コマンドリストの表示
  • 5/29 Windows10パソコン購入
  • 5/24 Anacondaのアンインストール
  • 5/24 【Jupyter Notebook】新規プログラムの作成
  • 5/23 【Python】開発環境の構築
  • 5/23 Pythonはじめました
  • 4/6 【Office365】Web版Outlookのスレッド表示を解除する方法
  • 4/5 【Excel】フーリエ解析(FFT)
  • 3/20 Canny edge detection
  • 3/20 【Excel2016】分析ツールの表示
  • 3/5 【Visual Studio】黒い背景色を白に変更する方法
  • 2/8 【Windows10】拡張モニタに表示されたウィンドウを元に戻す
  • 2/7 複素数の計算
  • 1/18 【Excel】棒グラフの横軸の目盛を0始まりにする
  • 1/16 【Excel】フーリエ変換
  • 1/6 【OpenCV】疑似カラー(カラーマップ)

  • 判別分析法【discriminant analysis method】は大津の二値化とも言われ、分離度(separation metrics)

    という値が最大となるしきい値を求め、自動的に二値化を行う手法です。

    分離度はクラス間分散(between-class variance)とクラス内分散(within-class variance)
    との比で求める事ができ、以下の様に求めます。

    判別分析法アルゴリズム

    しきい値  で二値化したとき、しきい値よりも輝度値が小さい側(黒クラス)の画素数をω1
    平均をm1、分散をσ1、輝度値が大きい側(白クラス)の画素数を画素数をω2、平均をm2
    分散をσ2、画像全体の画素数をωt、平均をmt、分散をσtとしたときクラス内分散σw2

    判別分析法_クラス内分散

    クラス間分散σb2

    判別分析法_クラス間分散

    としてあらわす事ができる。

    ここで、全分散(total variance)σt

    判別分析法_全分散

    としてあらわす事ができることから、求めるクラス間分散とクラス内分散との比である分離度

      分離度

    となり、この分離度が最大となるしきい値 t を求めればよい。
    ここで、全分散σtはしきい値に関係なく一定なので、クラス間分散σb2が最大となるしきい値を
    求めればよい事が分かる。
    さらにクラス間分散の式の分母もしきい値に関係なく一定なので、クラス間分散の分子

      ω1 ω2 (m1 – m2)2

    が最大となるしきい値 t を求めればよい。
    結局、分散とか関係なく、黒、白それぞれの領域のヒストグラムから、画素数ωと輝度値の
    平均値mから上記の値が最大となるしきい値 t をしらみつぶしに求めればいいので、以外と簡単...

    【処理例】

    判別分析法処理前 判別分析法処理後
    判別分析法処理前 判別分析法処理後
    判別分析法処理前 判別分析法処理後

    上記例のように、判別分析法はおおむね良好な結果を得る事ができます。

    画像処理アルゴリズムへ戻る

    コメント

    1. […] 二値化、Pタイル法、判別分析法(大津の二値化) […]