이미지 임계값
이미지에 임계값을 적용합니다.
구성 가능한 임계값 설정 방법(binary, binary_inv, trunc, tozero, tozero_inv, adaptive_mean, adaptive_gaussian, otsu)을 사용하여 그레이스케일 이미지를 이진 이미지로 변환해 전경을 배경과 분리하고, 객체를 분리하며, 형태학적 연산을 위한 이미지를 준비하고, 분할, 객체 검출, 분석 워크플로를 위한 이진 마스크를 생성합니다.
이 블록의 작동 방식
이 블록은 임계값 연산을 적용하여 그레이스케일 이미지를 픽셀이 전경(흰색) 또는 배경(검은색)으로 분류되는 이진 이미지로 변환합니다. 이 블록은:
그레이스케일 입력 이미지를 받습니다(컬러 이미지는 먼저 Image Convert Grayscale 블록을 사용해 그레이스케일로 변환해야 함)
threshold_type 매개변수에서 임계값 설정 방법을 결정합니다
선택한 임계값 연산을 적용합니다:
이진 임계값의 경우:
고정 임계값 값(thresh_value)을 사용합니다
임계값보다 큰 픽셀은 max_value(흰색)가 되고, 작은 픽셀은 0(검은색)이 됩니다
전경과 배경이 명확히 분리된 이진 이미지를 생성합니다
조명이 균일하고 대비가 뚜렷한 이미지에 가장 적합합니다
이진 역방향 임계값의 경우:
고정 임계값 값(thresh_value)을 사용합니다
임계값보다 큰 픽셀은 0(검은색)이 되고, 작은 픽셀은 max_value(흰색)가 됩니다
이진 결과를 반전합니다 - 어두운 객체는 흰색이 되고, 밝은 배경은 검은색이 됩니다
어두운 객체를 출력에서 전경(흰색)으로 만들어야 할 때 유용합니다
자르기 임계값의 경우:
고정 임계값 값(thresh_value)을 사용합니다
임계값보다 큰 픽셀은 임계값 값으로 설정되고, 작은 픽셀은 그대로 유지됩니다
어두운 픽셀 값을 보존하면서 밝은 픽셀을 잘라냅니다
과다 노출된 영역의 밝기를 줄이는 데 유용합니다
0으로 설정 임계값의 경우:
고정 임계값 값(thresh_value)을 사용합니다
임계값보다 작은 픽셀은 0(검은색)으로 설정되고, 큰 픽셀은 그대로 유지됩니다
밝은 픽셀 값을 보존하면서 어두운 픽셀을 제거합니다
어두운 영역의 노이즈를 제거하는 데 유용합니다
0으로 설정 역방향 임계값의 경우:
고정 임계값 값(thresh_value)을 사용합니다
임계값보다 큰 픽셀은 0(검은색)으로 설정되고, 작은 픽셀은 그대로 유지됩니다
어두운 픽셀 값을 보존하면서 밝은 픽셀을 제거합니다
밝은 영역의 노이즈를 제거하는 데 유용합니다
적응형 평균 임계값의 경우:
주변 픽셀의 평균을 사용하여 지역적으로 임계값을 계산합니다
지역 이미지 특성에 적응합니다(블록 크기 11x11, 상수 2)
변화하는 조명 조건과 조명 기울기를 처리합니다
조명이 균일하지 않은 이미지에 가장 적합합니다
적응형 가우시안 임계값의 경우:
주변 픽셀의 가중 가우시안 평균을 사용하여 지역적으로 임계값을 계산합니다
지역 이미지 특성에 적응합니다(블록 크기 11x11, 상수 2)
적응형 평균보다 더 부드러운 전환으로 변화하는 조명 조건을 처리합니다
더 부드러운 적응이 필요한 비균일 조명 이미지에 가장 적합합니다
오츠 임계값의 경우:
오츠 방법을 사용하여 최적의 임계값을 자동으로 계산합니다
히스토그램을 분석해 클래스 내 분산을 최소화하는 임계값을 찾습니다
수동 임계값이 필요하지 않습니다(thresh_value는 무시됨)
전경/배경 분리가 뚜렷한 이봉 히스토그램에 가장 적합합니다
고정 임계값 방법(binary, binary_inv, trunc, tozero, tozero_inv)의 경우 thresh_value를 임계값으로 사용하고, max_value(일반적으로 255)를 최대 출력값으로 사용합니다
적응형 방법(adaptive_mean, adaptive_gaussian)의 경우 max_value를 최대 출력값으로 사용하고, 지역적으로 적응합니다
오츠 방법의 경우 최적 임계값을 자동으로 결정하고 max_value를 최대 출력값으로 사용합니다
이미지 구조와 메타데이터를 보존합니다
임계값이 적용된 이진 이미지를 반환합니다
임계값 설정은 픽셀을 강도 값에 따라 분류하여 그레이스케일 이미지를 이진 이미지로 변환합니다. 고정 임계값 방법은 이미지 전체에 하나의 임계값을 사용하므로 간단하고 빠르지만 조명 변화에 민감합니다. 적응형 임계값 방법은 각 픽셀 주변에 대해 지역 임계값을 계산하므로 조명 변화에 더 강하지만 계산 비용이 더 큽니다. 오츠 방법은 이미지 히스토그램을 분석하여 최적의 전역 임계값을 자동으로 선택하며, 이봉 강도 분포를 가진 이미지에 잘 작동합니다. threshold_type은 방법을 제어하고, thresh_value는 고정 방법의 임계값을 설정하며, max_value(일반적으로 255)는 이진 출력에서 흰색 픽셀 값을 결정합니다.
일반적인 사용 사례
이진 이미지 생성: 객체 검출 및 분석을 위해 그레이스케일 이미지를 이진 이미지로 변환합니다(예: 이진 마스크 생성, 배경에서 객체 분리, 전경과 배경 분리), 이진 이미지 생성 워크플로를 활성화합니다
객체 분할: 분할 작업을 위해 배경에서 객체를 분리합니다(예: 배경에서 객체 분할, 객체 마스크 생성, 관심 영역 분리), 객체 분할 워크플로를 활성화합니다
문서 처리: 스캔한 문서에서 텍스트와 내용을 추출합니다(예: 문서 이미지를 이진화, 텍스트 대비 향상, OCR을 위한 문서 준비), 문서 처리 워크플로를 활성화합니다
이미지 전처리: 형태학적 연산과 윤곽선 검출을 위해 이미지를 준비합니다(예: 형태학을 위한 이진 이미지 생성, 윤곽선 분석용 이미지 준비, 형태 분석을 위한 이진화), 전처리 워크플로를 활성화합니다
노이즈 제거 준비: 노이즈 제거 및 정리 작업을 위한 이진 이미지를 생성합니다(예: 형태학적 정리를 위한 이미지 준비, 필터링용 마스크 생성, 잡음 제거를 위한 이진화), 노이즈 제거 워크플로를 활성화합니다
특징 검출: 특징 검출 및 분석을 위해 이미지를 준비합니다(예: 에지 검출을 위한 이진 이미지 생성, 특징 추출 준비, 패턴 인식을 위한 이진화), 특징 검출 워크플로를 활성화합니다
다른 블록에 연결하기
이 블록은 그레이스케일 이미지를 받아 임계값이 적용된 이진 이미지를 생성합니다:
Image Convert Grayscale 블록 뒤에 컬러 이미지를 임계값 적용 전에 그레이스케일로 변환할 때 사용합니다(예: 컬러를 그레이스케일로 변환한 다음 임계값 적용, 컬러 이미지를 이진화를 위해 준비, 이진 변환 전에 그레이스케일화), 컬러-이진 워크플로를 활성화합니다
전처리 블록 뒤에 그레이스케일 이미지를 출력하는 경우(예: 필터링 후 임계값 적용, 향상 후 이진화, 전처리된 이미지에 임계값 적용), 전처리-임계값 워크플로를 활성화합니다
형태학적 변환 블록 앞 형태학적 연산을 위한 이진 이미지를 준비합니다(예: 임계값이 적용된 이미지를 형태학으로 정리, 이진 이미지에 형태학 적용, 이진 마스크 처리), 임계값-형태학 워크플로를 활성화합니다
윤곽선 검출 블록 앞 윤곽선 검출을 위한 이진 이미지를 준비합니다(예: 임계값이 적용된 이미지에서 윤곽선 찾기, 이진 이미지에서 형태 검출, 이진 객체 경계 분석), 임계값-윤곽선 워크플로를 활성화합니다
분석 블록 앞에 이진 이미지를 처리하는 경우(예: 이진 마스크 분석, 임계값이 적용된 영역 처리, 이진 객체 데이터 작업), 임계값 분석 워크플로를 활성화합니다
이미지 처리 파이프라인에서 임계값 설정이 더 큰 이진 이미지 처리 체인의 일부인 경우(예: 파이프라인에서 이미지 이진화, 워크플로에서 마스크 생성, 체인에서 이진 이미지 처리), 임계값 처리 파이프라인 워크플로를 활성화합니다
요구 사항
이 블록은 그레이스케일 입력 이미지가 필요합니다. 컬러 이미지는 먼저 Image Convert Grayscale 블록을 사용해 그레이스케일로 변환해야 합니다. 최적의 결과를 위해 전경과 배경의 대비가 좋은 이미지를 사용하세요. 고정 임계값 방법은 균일한 조명에서 가장 잘 작동하며, 적응형 방법은 비균일 조명을 더 잘 처리합니다. 오츠 방법은 이봉 히스토그램(명확한 전경/배경 분리)에서 가장 잘 작동합니다.
유형 식별자
단계에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/threshold@v1 워크플로우에 이 블록을 단계로 추가하려면.
속성
이름
유형
설명
참조
name
str
이 단계에 대한 고유 식별자를 입력하세요..
❌
threshold_type
str
적용할 임계값 연산의 유형: 균일한 조명에 적합한 'binary'(기본값, 임계값보다 큰 픽셀은 흰색, 작은 픽셀은 검은색), 어두운 객체 분리에 적합한 'binary_inv'(역이진, 임계값보다 큰 픽셀은 검은색, 작은 픽셀은 흰색), 밝기 클리핑을 위한 'trunc'(자르기, 임계값보다 큰 픽셀은 임계값 값으로 설정), 어두운 영역 제거를 위한 'tozero'(0으로 설정, 임계값보다 작은 픽셀은 0으로 설정), 밝은 영역 제거를 위한 'tozero_inv'(0으로 설정 역방향, 임계값보다 큰 픽셀은 0으로 설정), 비균일 조명에 적합한 'adaptive_mean'(적응형 평균, 주변의 평균을 사용하는 지역 임계값), 비균일 조명에서 더 부드러운 전환을 위한 'adaptive_gaussian'(적응형 가우시안, 가중 가우시안 평균을 사용하는 지역 임계값), 또는 이봉 히스토그램에 대한 'otsu'(오츠 방법, 최적 임계값 자동 계산). 기본값은 'binary'입니다. 고정 방법(binary, binary_inv, trunc, tozero, tozero_inv)은 thresh_value를 사용하고, 적응형 방법(adaptive_mean, adaptive_gaussian)은 지역적으로 적응하며, 오츠 방법은 최적 임계값을 자동으로 계산합니다.
✅
thresh_value
정수
고정 임계값 방법(binary, binary_inv, trunc, tozero, tozero_inv)에 사용되는 임계값입니다. 0에서 255 사이의 정수여야 합니다. 이 값보다 큰 픽셀은 binary/binary_inv에서는 전경으로 처리되며, trunc/tozero/tozero_inv에서는 연산에 따라 잘리거나 보존됩니다. 일반적인 값 범위는 100-200입니다: 더 어두운 이미지이거나 더 많은 어두운 영역을 보존하려면 낮은 값(100-127), 균형 잡힌 분리를 위해서는 중간 값(127-150), 더 밝은 이미지이거나 더 많은 밝은 영역을 보존하려면 높은 값(150-200)을 사용합니다. 기본값은 127(중간 회색)입니다. 이 매개변수는 임계값을 자동으로 계산하는 적응형 방법(adaptive_mean, adaptive_gaussian)과 오츠 방법(otsu)에서는 무시됩니다. 이미지 밝기와 원하는 전경/배경 분리에 따라 조정하세요.
✅
max_value
정수
임계값이 적용된 이진 출력에서 사용하는 최대값입니다. 정수여야 하며, 일반적으로 255(8비트 이미지의 흰색 픽셀 값)입니다. 이 값은 이진 연산(binary, binary_inv)에서 전경으로 분류된 픽셀에 할당되거나, 적응형 임계값 설정(adaptive_mean, adaptive_gaussian, otsu)에서 최대값으로 사용됩니다. 자르기 연산(trunc)의 경우 이 매개변수가 사용되지만 실제 출력값은 thresh_value로 잘립니다. 기본값은 255이며, 이는 흰색(255) 전경과 검은색(0) 배경을 가진 표준 이진 이미지를 생성합니다. 8비트 그레이스케일 이미지는 255로 유지하세요. 16비트 이미지는 65535를 사용하세요. 임계값이 적용된 출력에서 전경 픽셀의 밝기/강도를 제어합니다.
✅
이 참조 열은 워크플로우 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 나타냅니다 워크플로우 런타임입니다. 자세한 내용은 바인딩 을 참조하세요.
입력 및 출력 바인딩
사용 가능한 연결은 바인딩 유형에 따라 달라집니다. 어떤 바인딩 유형인지 확인하세요 이미지 임계값 버전 v1 을 가지고 있는지.
입력 및 출력 바인딩
입력
이미지(이미지): 임계값을 적용할 입력 그레이스케일 이미지입니다. 단일 채널 그레이스케일 이미지여야 합니다(컬러 이미지는 먼저 Image Convert Grayscale 블록을 사용해 그레이스케일로 변환해야 함). 임계값 설정은 그레이스케일 이미지를 픽셀을 전경(흰색) 또는 배경(검은색)으로 분류되는 이진 이미지로 변환합니다. 임계값이 적용된 이진 이미지는 선택한 임계값 설정 방법에 따라 픽셀이 0(검은색) 또는 max_value(일반적으로 255, 흰색)로 설정됩니다. 원본 이미지 메타데이터는 출력에 보존됩니다. 최적의 결과를 위해 전경과 배경의 대비가 좋은 이미지를 사용하세요.threshold_type(string): 적용할 임계값 연산의 유형: 균일한 조명에 적합한 'binary'(기본값, 임계값보다 큰 픽셀은 흰색, 작은 픽셀은 검은색), 어두운 객체 분리에 적합한 'binary_inv'(역이진, 임계값보다 큰 픽셀은 검은색, 작은 픽셀은 흰색), 밝기 클리핑을 위한 'trunc'(자르기, 임계값보다 큰 픽셀은 임계값 값으로 설정), 어두운 영역 제거를 위한 'tozero'(0으로 설정, 임계값보다 작은 픽셀은 0으로 설정), 밝은 영역 제거를 위한 'tozero_inv'(0으로 설정 역방향, 임계값보다 큰 픽셀은 0으로 설정), 비균일 조명에 적합한 'adaptive_mean'(적응형 평균, 주변의 평균을 사용하는 지역 임계값), 비균일 조명에서 더 부드러운 전환을 위한 'adaptive_gaussian'(적응형 가우시안, 가중 가우시안 평균을 사용하는 지역 임계값), 또는 이봉 히스토그램에 대한 'otsu'(오츠 방법, 최적 임계값 자동 계산). 기본값은 'binary'입니다. 고정 방법(binary, binary_inv, trunc, tozero, tozero_inv)은 thresh_value를 사용하고, 적응형 방법(adaptive_mean, adaptive_gaussian)은 지역적으로 적응하며, 오츠 방법은 최적 임계값을 자동으로 계산합니다.thresh_value(정수): 고정 임계값 방법(binary, binary_inv, trunc, tozero, tozero_inv)에 사용되는 임계값입니다. 0에서 255 사이의 정수여야 합니다. 이 값보다 큰 픽셀은 binary/binary_inv에서는 전경으로 처리되며, trunc/tozero/tozero_inv에서는 연산에 따라 잘리거나 보존됩니다. 일반적인 값 범위는 100-200입니다: 더 어두운 이미지이거나 더 많은 어두운 영역을 보존하려면 낮은 값(100-127), 균형 잡힌 분리를 위해서는 중간 값(127-150), 더 밝은 이미지이거나 더 많은 밝은 영역을 보존하려면 높은 값(150-200)을 사용합니다. 기본값은 127(중간 회색)입니다. 이 매개변수는 임계값을 자동으로 계산하는 적응형 방법(adaptive_mean, adaptive_gaussian)과 오츠 방법(otsu)에서는 무시됩니다. 이미지 밝기와 원하는 전경/배경 분리에 따라 조정하세요.max_value(정수): 임계값이 적용된 이진 출력에서 사용하는 최대값입니다. 정수여야 하며, 일반적으로 255(8비트 이미지의 흰색 픽셀 값)입니다. 이 값은 이진 연산(binary, binary_inv)에서 전경으로 분류된 픽셀에 할당되거나, 적응형 임계값 설정(adaptive_mean, adaptive_gaussian, otsu)에서 최대값으로 사용됩니다. 자르기 연산(trunc)의 경우 이 매개변수가 사용되지만 실제 출력값은 thresh_value로 잘립니다. 기본값은 255이며, 이는 흰색(255) 전경과 검은색(0) 배경을 가진 표준 이진 이미지를 생성합니다. 8비트 그레이스케일 이미지는 255로 유지하세요. 16비트 이미지는 65535를 사용하세요. 임계값이 적용된 출력에서 전경 픽셀의 밝기/강도를 제어합니다.
출력
이미지(이미지): 워크플로의 이미지입니다.
마지막 업데이트
도움이 되었나요?