Un guide complet sur la segmentation d’images par seuillage.

A COMPLETE GUIDE TO IMAGE THRESHOLDING

INTRODUCTION
Dans le monde réel, les images ne sont pas toujours claires à 100 %. Parfois, elles sont floues, déformées, etc. Extraire des informations de ces types d’images devient donc crucial. C’est pourquoi des images transparentes, claires et attrayantes jouent un rôle vital dans l’obtention d’informations compréhensibles.

QU’EST-CE QUE L’IMAGE THRESHOLDING ?
L’image thresholding travaille sur une image en niveaux de gris. C’est une façon de segmenter l’image en niveaux de gris en une image binaire. Pour le thresholding, une valeur d’intensité de pixel particulière est considérée comme une valeur de threshold. Tous les pixels supérieurs ou inférieurs à la valeur de threshold sont assignés à une valeur maximale ou minimale. Cela convertit l’image entière en une image binaire.

Il existe de nombreuses techniques de thresholding disponibles. Le thresholding global est une technique courante, mais le thresholding adaptatif/local est souvent préférable. Le thresholding adaptatif divise toute l’image en segments et applique le thresholding global à chaque segment.

PRINCIPALES TECHNIQUES DE THRESHOLDING
Nous discutons ici des techniques de thresholding globale – le thresholding simple et le thresholding d’Otsu – et de la technique de thresholding adaptatif/local.

Pour utiliser ces techniques, nous pouvons développer un code Python simple grâce aux bibliothèques OpenCV et NumPy. Nous pouvons appliquer diverses fonctions pour mettre en œuvre ces techniques de vision par ordinateur.

CONCLUSION
Le thresholding d’image est l’un des meilleurs moyens d’extraire des informations d’images floues ou peu claires. Les techniques de thresholding ne se limitent pas aux techniques mentionnées ci-dessus, mais elles sont largement utilisées. Quand utiliser quelle technique de thresholding dépend entièrement de vous. Si vous avez une compréhension claire des méthodes mentionnées ci-dessus, vous pourrez prendre la bonne décision pour extraire des informations de toute image en niveaux de gris.

Sources :
– Article original : https://towardsdatascience.com/a-complete-guide-to-image-thresholding-d38f520b57cd
– Bibliothèque OpenCV : https://opencv.org/
– Bibliothèque NumPy : https://numpy.org/