Chuyện gì đang xảy ra?
Nếu vật thể tối hơn nền và ánh sáng đều, một ngưỡng cố định là đủ. Ta chọn T, gán mọi pixel < T thành 0 và phần còn lại thành 255 (hoặc ngược lại). Kết quả là một mặt nạ nhị phân — đầu vào cho morphology, contour, đếm vật thể.
Otsu tự động tìm T bằng cách tối đa hoá phương sai giữa hai lớp foreground/background. Nó giả định histogram có hai đỉnh tương đối rõ. Nếu ảnh có ba loại vật thể, gradient ánh sáng mạnh hoặc nền phức tạp, Otsu có thể chọn một ngưỡng vô nghĩa — và nó sẽ không báo lỗi.
Adaptive threshold chia ảnh thành các ô nhỏ và chọn ngưỡng riêng cho từng ô, thường dựa trên trung bình có trọng số Gaussian. Vì vậy nó xử lý được ảnh có bóng đổ hoặc ánh sáng chéo. Đổi lại, vùng phẳng có thể sinh noise vì ngưỡng địa phương dao động.
Ngưỡng là bước rất nhạy với tiền xử lý. Cùng một ảnh, nếu làm mờ trước thì mặt nạ sạch hơn; nếu tăng tương phản bằng CLAHE thì ngưỡng có thể tốt hơn. Hãy xem ngưỡng như một phần của luồng xử lý, không phải một câu lệnh độc lập.
Thuật toán không “hiểu” ảnh. Nó chỉ tìm một cách biến đổi có thể kiểm tra được.
Viết lại bằng toán.
Không cần thuộc lòng. Hãy đọc công thức như một câu mô tả: đại lượng nào được cộng, cái gì bị chuẩn hoá, và điều kiện nào khiến nó thất bại.
Ngưỡng nhị phân
- f: ảnh xám
- T: ngưỡng
- g: mặt nạ nhị phân
Đảo ngưỡng chỉ là đổi vai trò foreground/background.
Otsu: phương sai giữa hai lớp
- ω0, ω1: tỉ lệ pixel hai lớp
- μ0, μ1: trung bình hai lớp
T* = argmax σ_b²(T), duyệt toàn bộ 256 ngưỡng.
Adaptive Gaussian
- μw: trung bình có trọng số Gaussian trong cửa sổ w
- C: hằng số hiệu chỉnh
Mỗi vùng có ngưỡng riêng; block size phải lẻ và đủ lớn để chứa cả foreground lẫn background.
Luồng xử lý bằng lời.
-
01
Chuyển xám và làm sạch
Blur nhẹ để giảm noise; cân bằng sáng nếu cần.
-
02
Chọn phương pháp
Ảnh có hai lớp rõ: Otsu. Ánh sáng không đều: adaptive. Cần kiểm soát thủ công: binary.
-
03
Chọn ngưỡng/phạm vi
Với adaptive, block size phải lớn hơn vật thể nhỏ nhất; C điều chỉnh độ nhạy.
-
04
Đảo nếu cần
Đảm bảo foreground là trắng nếu bước sau (contour/morphology) giả định vậy.
-
05
Đánh giá mặt nạ
Đếm tỉ lệ foreground, xem lỗ hổng, nhiễu và các vùng bị cháy sáng.
Núm vặn và cạm bẫy.
| Tham số | Ý nghĩa | Khoảng |
|---|---|---|
method | Binary cố định, Otsu tự động hoặc Adaptive cục bộ. | binary / otsu / adaptive |
thresh | Ngưỡng cho phương pháp binary. | 0…255 |
block | Kích thước cửa sổ adaptive; càng lớn càng ít noise nhưng mất chi tiết. | 3…51, lẻ |
c | Hằng số trừ vào ngưỡng địa phương. | -30…30 |
invert | Đảo foreground/background. | true / false |
! Cạm bẫy thường gặp
- Otsu thất bại khi histogram không lưỡng đỉnh; đừng tin ngưỡng chỉ vì nó tự động.
- Block size chẵn hoặc quá nhỏ làm adaptive threshold loạn trong vùng phẳng.
- Quên đảo ngưỡng khi vật thể tối trên nền sáng khiến contour không tìm thấy gì.
- Ánh sáng thay đổi giữa các khung hình làm ngưỡng cố định không dùng lại được.
Mã nguồn tối giản, không phải giả mã.
import cv2
gray = cv2.cvtColor(cv2.imread("page.jpg"), cv2.COLOR_BGR2GRAY)
# Otsu tự tìm ngưỡng
t, otsu = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# Adaptive cho ánh sáng không đều
adaptive = cv2.adaptiveThreshold(
gray, 255,
cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
cv2.THRESH_BINARY,
blockSize=31,
C=5,
)
print("Otsu threshold:", t)
Điều chỉnh tham số.
Chọn ảnh mẫu hoặc tải ảnh của bạn lên, chỉnh tham số, rồi chạy. Kết quả, các bước trung gian và nhật ký được cập nhật ngay tại đây.
$ bài thử chưa chạy $ chọn ảnh và bấm “Chạy thử”
Dùng nó ở đâu?
Tách chữ khỏi nền giấy, tách biển số, tách vạch kẻ đường.
Tạo mask cho morphology và contour.
Đếm vật thể trên băng tải với nền đồng nhất.