컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 6-2. Otsu thresholding
컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 6-2. Otsu thresholding
본 내용은 Edwith의 컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석을 요약 정리한 내용으로 DGIST 박상현 교수님과 Edwith, STAR-MOOC에 그 저작권이 있음을 미리 공지합니다.
URL : https://www.edwith.org/medical-20200327/lecture/63150/
Thresholding
가장 간단하고 기본적인 Segmentation
ex) '200보다 큰 밝기의 값을 추출하라' 라고 한다면
loop condition을 통해 segmentation이 됨을 확인할 수 있습니다.
이 때 condition thresholding 값을 잘 설정해야 합니다.
manual이 있습니다.
Otsu Thresholding
어디를 thresholding으로 할지 자동으로 하는 방법
background 내부 variance + foreground 내부 variance = 최소화하는 threshold를 찾겠다는 것이 목표
$$\sigma_w^2=w_b \sigma_b^2 + w_f \sigma_f^2$$
분산을 구하는데 시간이 오래 걸릴 수 있습니다.
class간 분산을 최대화하는 값을 찾는 방법을 구하는 방식을 사용합니다.
Between Class Variance
$$\sigma_B^2 = \sigma^2 - \sigma_w^2$$
이를 풀어쓰면 아래와 같은 식을 찾을 수 있습니다.
이 때 $\mu=w_b \mu_b + w_f \mu_f$이고
$w_b,w_f$는 value/전체 개수를 의미하여 $w_b+w_f=1$입니다.
식을 정리하면 $\sigma_B^2 = w_bw_f(\mu_b - \mu_f)^2$가 되고 이를 최대화하는 값을 찾아주면 됩니다.
Between Class Variance를 각 포인트별로 구해준 다음 optimal한 값을 찾습니다.
