Appearance
threshold — แยกวัตถุออกจากพื้นหลัง (Binary Segmentation)
โมดูล threshold ใช้สำหรับแปลงภาพระดับสีเทา (Grayscale) ให้เป็นภาพขาว-ดำ (Binary Mask ที่มีค่าเพียง 0 และ 255) เพื่อแยกส่วนของวัตถุที่สนใจออกจากพื้นหลัง ก่อนส่งต่อให้ morphology หรือ blob
1. การใช้งานใน Recipe
- Input:
image(ภาพ GrayscaleCV_8UC1) - Parameters:
mode(string, ค่าเริ่มต้น"fixed"): โหมดการแบ่งค่า ขาว-ดำ"fixed": ใช้ค่าขีดแบ่งคงที่ตามพารามิเตอร์thresh"otsu": ให้ระบบคำนวณค่าขีดแบ่งที่เหมาะสมที่สุดโดยอัตโนมัติ (Otsu's Method)
thresh(double, ค่าเริ่มต้น128.0, ช่วง0.0–255.0): ค่าขีดแบ่งสำหรับโหมด"fixed"(ในโหมด"otsu"ค่านี้จะถูกแทนที่ด้วยค่าที่คำนวณได้อัตโนมัติ)invert(bool, ค่าเริ่มต้นfalse): กลับสีผลลัพธ์false(THRESH_BINARY): พิกเซลที่สว่างกว่าthreshเป็นสีขาว (255) — เหมาะกับวัตถุสว่างบนพื้นหลังมืดtrue(THRESH_BINARY_INV): พิกเซลที่มืดกว่าthreshเป็นสีขาว (255) — เหมาะกับวัตถุมืดบนพื้นหลังสว่าง (เช่น O-ring สีดำบนพื้นหลังสว่าง)
- Output:
image(Binary MaskCV_8UC1ค่า0หรือ255)
json
{
"id": "mask",
"type": "threshold",
"enabled": true,
"params": {
"mode": "otsu",
"thresh": 0,
"invert": true
},
"inputs": { "image": "ring_roi" }
}2. หลักการทำงานภายในซอฟต์แวร์
อ้างอิงจาก src/tools/threshold.cpp:
- ตรวจสอบภาพขาเข้าว่าไม่ว่าง และเป็น
CV_8UC1 - กำหนดธง (flags) สำหรับ OpenCV:
- เริ่มต้นด้วย
cv::THRESH_BINARY(หรือcv::THRESH_BINARY_INVหากinvert == true) - หาก
mode == "otsu"จะรวมธงด้วย| cv::THRESH_OTSU
- เริ่มต้นด้วย
- เรียกใช้
cv::threshold(*src, out.image, thresh, 255.0, flags)
3. ทฤษฎีเบื้องหลัง (OpenCV & Machine Vision)
1) Fixed Binary Thresholding
เป็นการเปรียบเทียบค่าความสว่างของแต่ละพิกเซล
(หากเปิด invert = true เงื่อนไขจะกลับกันเป็น 255)
2) Otsu's Method (THRESH_OTSU)
ในสภาพแวดล้อมจริงที่ความสว่างอาจเปลี่ยนแปลงเล็กน้อย การตั้งค่า
- ความแปรปรวนระหว่างกลุ่ม (Between-class Variance,
) มีค่าสูงสุด (แยกสองกลุ่มออกจากกันได้ชัดเจนที่สุด):
โดยที่
เมื่อไหร่ควรใช้ fixed vs otsu
- ใช้
otsuเมื่อภาพใน ROI มีทั้งส่วนวัตถุและพื้นหลังตัดกันชัดเจน (Bimodal histogram) และต้องการให้ทนต่อแสงที่เปลี่ยนไปเล็กน้อย - ใช้
fixedเมื่อแสงถูกควบคุมคงที่ 100% หรือในกรณีที่ ROI อาจไม่มีวัตถุอยู่เลย (เพราะถ้าไม่มีวัตถุเลย Histogram จะมีแค่กลุ่มเดียว ทำให้ Otsu พยายามแบ่งพื้นหลังออกเป็นสองส่วนจนเกิด Noise เต็มภาพได้)