이진 이미지와 Thresholding

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
from yeom import to_pil

newspaper = cv.imread("newspaper.png", cv.IMREAD_GRAYSCALE)
newspaper.shape, newspaper.dtype

hist = cv.calcHist([newspaper], [0], None, [256], [0, 256])

plt.plot(hist)
plt.xlim([0, 256])
plt.xlabel("픽셀 값")
plt.ylabel("픽셀 수")

used_threshold, binary = cv.threshold(
    newspaper,
    190,  # 글자와 배경을 나눌 문턱값
    255,  # 문턱값보다 밝은 픽셀에 넣을 값
    cv.THRESH_BINARY,
)
used_threshold  # 실제 사용한 문턱값

np.unique(binary)  # 결과 이미지의 픽셀값 종류

to_pil(binary)

threshold_values = [80, 120, 150, 190]
binary_images = [
    cv.threshold(newspaper, value, 255, cv.THRESH_BINARY)[1]
    for value in threshold_values
]

comparison = cv.hconcat(binary_images)
to_pil(comparison)

_, binary_inverse = cv.threshold(
    newspaper,
    190,  # THRESH_BINARY와 같은 문턱값으로 비교
    255,  # 문턱값 이하인 픽셀에 넣을 값
    cv.THRESH_BINARY_INV,
)
to_pil(binary_inverse)

otsu_threshold, binary_otsu = cv.threshold(
    newspaper,
    0,    # Otsu가 자동으로 대체할 자리표시자
    255,  # 문턱값보다 밝은 픽셀에 넣을 값
    cv.THRESH_BINARY | cv.THRESH_OTSU,
)
otsu_threshold  # Otsu가 선택한 문턱값

to_pil(binary_otsu)

sudoku = cv.imread("sudoku.png", cv.IMREAD_GRAYSCALE)
to_pil(sudoku)

global_threshold, global_binary = cv.threshold(
    sudoku,
    0,    # Otsu가 자동으로 대체할 자리표시자
    255,  # 문턱값보다 밝은 픽셀에 넣을 값
    cv.THRESH_BINARY | cv.THRESH_OTSU,
)
global_threshold  # Otsu가 선택한 전역 문턱값

to_pil(global_binary)

block_size = 15  # 숫자 획 주변의 조명 변화를 반영할 이웃 크기
c = 5  # 완만하게 어두워진 배경도 흰색으로 유지할 보정값

adaptive_mean = cv.adaptiveThreshold(
    sudoku,
    255,  # 지역 문턱값보다 밝은 픽셀에 넣을 값
    cv.ADAPTIVE_THRESH_MEAN_C,
    cv.THRESH_BINARY,
    block_size,
    c,
)
to_pil(adaptive_mean)

adaptive_gaussian = cv.adaptiveThreshold(
    sudoku,
    255,  # 지역 문턱값보다 밝은 픽셀에 넣을 값
    cv.ADAPTIVE_THRESH_GAUSSIAN_C,
    cv.THRESH_BINARY,
    block_size,
    c,
)
to_pil(adaptive_gaussian)