07_thresholding.py

  1"""
  207. 이진화 및 임계처리
  3- 기본 임계처리 (threshold)
  4- Otsu's method
  5- 적응형 임계처리 (adaptiveThreshold)
  6- 다중 임계처리
  7"""
  8
  9import cv2
 10import numpy as np
 11
 12
 13def create_gradient_image():
 14    """그라데이션 테스트 이미지 생성"""
 15    img = np.zeros((200, 400), dtype=np.uint8)
 16
 17    # 수평 그라데이션
 18    for j in range(400):
 19        img[:, j] = int(j * 255 / 400)
 20
 21    return img
 22
 23
 24def create_text_image():
 25    """텍스트가 있는 테스트 이미지"""
 26    img = np.zeros((200, 400), dtype=np.uint8)
 27    img[:] = 200  # 밝은 배경
 28
 29    cv2.putText(img, 'Threshold', (50, 100), cv2.FONT_HERSHEY_SIMPLEX, 2, 50, 3)
 30    cv2.putText(img, 'OpenCV', (100, 170), cv2.FONT_HERSHEY_SIMPLEX, 1.5, 80, 2)
 31
 32    return img
 33
 34
 35def create_uneven_lighting():
 36    """불균일 조명 이미지"""
 37    img = np.zeros((300, 400), dtype=np.uint8)
 38
 39    # 불균일 조명 배경
 40    for i in range(300):
 41        for j in range(400):
 42            img[i, j] = int(150 + 80 * np.sin(i / 50) * np.cos(j / 50))
 43
 44    # 텍스트 추가
 45    cv2.putText(img, 'UNEVEN', (100, 150), cv2.FONT_HERSHEY_SIMPLEX, 2, 30, 3)
 46    cv2.putText(img, 'LIGHTING', (80, 220), cv2.FONT_HERSHEY_SIMPLEX, 1.5, 50, 2)
 47
 48    return img
 49
 50
 51def basic_threshold_demo():
 52    """기본 임계처리 데모"""
 53    print("=" * 50)
 54    print("기본 임계처리 (threshold)")
 55    print("=" * 50)
 56
 57    img = create_gradient_image()
 58
 59    # 임계값 127로 이진화
 60    _, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
 61    _, binary_inv = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
 62
 63    print("THRESH_BINARY:")
 64    print("  - 픽셀 > 임계값 → 최대값 (255)")
 65    print("  - 픽셀 <= 임계값 → 0")
 66
 67    print("\nTHRESH_BINARY_INV:")
 68    print("  - 픽셀 > 임계값 → 0")
 69    print("  - 픽셀 <= 임계값 → 최대값 (255)")
 70
 71    cv2.imwrite('thresh_original.jpg', img)
 72    cv2.imwrite('thresh_binary.jpg', binary)
 73    cv2.imwrite('thresh_binary_inv.jpg', binary_inv)
 74
 75
 76def threshold_types_demo():
 77    """다양한 임계처리 타입"""
 78    print("\n" + "=" * 50)
 79    print("임계처리 타입")
 80    print("=" * 50)
 81
 82    img = create_gradient_image()
 83    thresh_val = 127
 84
 85    # 다양한 임계처리 타입
 86    _, binary = cv2.threshold(img, thresh_val, 255, cv2.THRESH_BINARY)
 87    _, binary_inv = cv2.threshold(img, thresh_val, 255, cv2.THRESH_BINARY_INV)
 88    _, trunc = cv2.threshold(img, thresh_val, 255, cv2.THRESH_TRUNC)
 89    _, tozero = cv2.threshold(img, thresh_val, 255, cv2.THRESH_TOZERO)
 90    _, tozero_inv = cv2.threshold(img, thresh_val, 255, cv2.THRESH_TOZERO_INV)
 91
 92    print("임계처리 타입:")
 93    print("  BINARY:     픽셀 > T → 255, 아니면 0")
 94    print("  BINARY_INV: 픽셀 > T → 0, 아니면 255")
 95    print("  TRUNC:      픽셀 > T → T, 아니면 원본")
 96    print("  TOZERO:     픽셀 > T → 원본, 아니면 0")
 97    print("  TOZERO_INV: 픽셀 > T → 0, 아니면 원본")
 98
 99    cv2.imwrite('thresh_trunc.jpg', trunc)
100    cv2.imwrite('thresh_tozero.jpg', tozero)
101    cv2.imwrite('thresh_tozero_inv.jpg', tozero_inv)
102
103
104def otsu_demo():
105    """Otsu's method 데모"""
106    print("\n" + "=" * 50)
107    print("Otsu's Method")
108    print("=" * 50)
109
110    img = create_text_image()
111
112    # 일반 임계처리
113    _, binary_100 = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY)
114    _, binary_150 = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY)
115
116    # Otsu's method (자동 임계값)
117    otsu_val, binary_otsu = cv2.threshold(
118        img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU
119    )
120
121    print(f"수동 임계값: 100, 150")
122    print(f"Otsu 자동 임계값: {otsu_val}")
123
124    print("\nOtsu's method 특성:")
125    print("  - 히스토그램 기반 자동 임계값 결정")
126    print("  - 이중 피크(bimodal) 분포에 효과적")
127    print("  - 클래스 간 분산 최대화")
128
129    cv2.imwrite('otsu_input.jpg', img)
130    cv2.imwrite('otsu_100.jpg', binary_100)
131    cv2.imwrite('otsu_150.jpg', binary_150)
132    cv2.imwrite('otsu_auto.jpg', binary_otsu)
133
134
135def adaptive_threshold_demo():
136    """적응형 임계처리 데모"""
137    print("\n" + "=" * 50)
138    print("적응형 임계처리 (Adaptive Threshold)")
139    print("=" * 50)
140
141    img = create_uneven_lighting()
142
143    # 일반 임계처리 (불균일 조명에서 실패)
144    _, binary_global = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
145
146    # Otsu도 불균일 조명에서 제한적
147    _, binary_otsu = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
148
149    # 적응형 임계처리 (Mean)
150    binary_mean = cv2.adaptiveThreshold(
151        img, 255,
152        cv2.ADAPTIVE_THRESH_MEAN_C,
153        cv2.THRESH_BINARY,
154        11,  # 블록 크기 (홀수)
155        2    # C (상수)
156    )
157
158    # 적응형 임계처리 (Gaussian)
159    binary_gaussian = cv2.adaptiveThreshold(
160        img, 255,
161        cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
162        cv2.THRESH_BINARY,
163        11,
164        2
165    )
166
167    print("적응형 임계처리:")
168    print("  - 각 픽셀 주변 영역의 평균으로 임계값 결정")
169    print("  - MEAN: 단순 평균")
170    print("  - GAUSSIAN: 가우시안 가중 평균")
171    print("  - 불균일 조명에 효과적")
172
173    cv2.imwrite('adaptive_input.jpg', img)
174    cv2.imwrite('adaptive_global.jpg', binary_global)
175    cv2.imwrite('adaptive_otsu.jpg', binary_otsu)
176    cv2.imwrite('adaptive_mean.jpg', binary_mean)
177    cv2.imwrite('adaptive_gaussian.jpg', binary_gaussian)
178
179
180def adaptive_params_demo():
181    """적응형 임계처리 파라미터"""
182    print("\n" + "=" * 50)
183    print("적응형 임계처리 파라미터")
184    print("=" * 50)
185
186    img = create_uneven_lighting()
187
188    # 블록 크기 변화
189    sizes = [5, 11, 31, 51]
190    for size in sizes:
191        binary = cv2.adaptiveThreshold(
192            img, 255,
193            cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
194            cv2.THRESH_BINARY,
195            size, 2
196        )
197        cv2.imwrite(f'adaptive_size_{size}.jpg', binary)
198
199    # C 값 변화
200    c_values = [0, 2, 5, 10]
201    for c in c_values:
202        binary = cv2.adaptiveThreshold(
203            img, 255,
204            cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
205            cv2.THRESH_BINARY,
206            11, c
207        )
208        cv2.imwrite(f'adaptive_c_{c}.jpg', binary)
209
210    print("파라미터 영향:")
211    print("  - 블록 크기: 클수록 넓은 영역 고려")
212    print("  - C 값: 임계값에서 뺄 상수")
213    print("    C가 크면 → 더 많은 영역이 전경")
214
215
216def triangle_threshold_demo():
217    """삼각형 임계처리 데모"""
218    print("\n" + "=" * 50)
219    print("삼각형 임계처리 (Triangle)")
220    print("=" * 50)
221
222    # 한쪽으로 치우친 히스토그램 이미지
223    img = np.zeros((200, 400), dtype=np.uint8)
224    img[:] = 200
225    cv2.rectangle(img, (50, 50), (150, 150), 30, -1)
226    cv2.circle(img, (300, 100), 40, 50, -1)
227
228    # Triangle method
229    tri_val, binary_tri = cv2.threshold(
230        img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_TRIANGLE
231    )
232
233    # Otsu와 비교
234    otsu_val, binary_otsu = cv2.threshold(
235        img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU
236    )
237
238    print(f"Triangle 자동 임계값: {tri_val}")
239    print(f"Otsu 자동 임계값: {otsu_val}")
240
241    print("\nTriangle method:")
242    print("  - 단봉(unimodal) 분포에 효과적")
243    print("  - 히스토그램 피크에서 가장 먼 점 찾기")
244
245    cv2.imwrite('triangle_input.jpg', img)
246    cv2.imwrite('triangle_result.jpg', binary_tri)
247
248
249def multi_threshold_demo():
250    """다중 임계처리"""
251    print("\n" + "=" * 50)
252    print("다중 임계처리")
253    print("=" * 50)
254
255    img = create_gradient_image()
256
257    # 다중 레벨 양자화
258    result = np.zeros_like(img)
259    thresholds = [50, 100, 150, 200]
260    values = [0, 64, 128, 192, 255]
261
262    for i, (low, high, val) in enumerate(
263        zip([0] + thresholds, thresholds + [256], values)
264    ):
265        mask = (img >= low) & (img < high)
266        result[mask] = val
267
268    print("다중 임계처리:")
269    print(f"  임계값: {thresholds}")
270    print(f"  결과값: {values}")
271
272    cv2.imwrite('multi_thresh.jpg', result)
273
274
275def practical_document_scan():
276    """실용 예제: 문서 스캔 이진화"""
277    print("\n" + "=" * 50)
278    print("실용 예제: 문서 스캔")
279    print("=" * 50)
280
281    # 문서 이미지 시뮬레이션
282    img = np.zeros((300, 400), dtype=np.uint8)
283
284    # 불균일 배경
285    for i in range(300):
286        for j in range(400):
287            img[i, j] = int(200 + 30 * np.sin(i / 100) + 20 * np.cos(j / 100))
288
289    # 텍스트
290    cv2.putText(img, 'Document', (80, 100), cv2.FONT_HERSHEY_SIMPLEX, 1.5, 30, 2)
291    cv2.putText(img, 'Scanning', (90, 160), cv2.FONT_HERSHEY_SIMPLEX, 1.2, 50, 2)
292    cv2.putText(img, 'Example', (110, 220), cv2.FONT_HERSHEY_SIMPLEX, 1, 40, 2)
293
294    # 가우시안 블러로 노이즈 감소
295    blurred = cv2.GaussianBlur(img, (5, 5), 0)
296
297    # 적응형 임계처리
298    binary = cv2.adaptiveThreshold(
299        blurred, 255,
300        cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
301        cv2.THRESH_BINARY,
302        21, 10
303    )
304
305    # 모폴로지로 정리
306    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))
307    cleaned = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)
308
309    cv2.imwrite('document_original.jpg', img)
310    cv2.imwrite('document_binary.jpg', cleaned)
311    print("문서 스캔 이미지 저장 완료")
312
313
314def main():
315    """메인 함수"""
316    # 기본 임계처리
317    basic_threshold_demo()
318
319    # 임계처리 타입
320    threshold_types_demo()
321
322    # Otsu's method
323    otsu_demo()
324
325    # 적응형 임계처리
326    adaptive_threshold_demo()
327
328    # 적응형 파라미터
329    adaptive_params_demo()
330
331    # Triangle method
332    triangle_threshold_demo()
333
334    # 다중 임계처리
335    multi_threshold_demo()
336
337    # 실용 예제
338    practical_document_scan()
339
340    print("\n이진화 및 임계처리 데모 완료!")
341
342
343if __name__ == '__main__':
344    main()