迭代阈值法，otsu阈值法，特征空间类聚法对图像进行分割（python）

最新推荐文章于 2024-09-15 22:31:42 发布

XITMan

最新推荐文章于 2024-09-15 22:31:42 发布

阅读量2.9k

点赞数 2

分类专栏：图像处理图像分割文章标签： python 聚类

本文链接：https://blog.csdn.net/XITMan/article/details/105495574

版权

本文介绍了使用迭代阈值法、Otsu阈值法和特征空间聚类法在Python中进行图像分割的方法。通过示例展示了各种方法的分割结果，并讨论了不同参数对计算量的影响。此外，还应用这些技术实现了绿幕图像的前景目标提取和背景合成。

摘要由CSDN通过智能技术生成

用到：迭代阈值法，Otsu阈值，特征空间聚类法
实验用图：
在这里插入图片描述
1.用迭代阈值法确定阈值，对图像进行分割，显示阈值和分割结果；

import cv2
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm
def diedai(img):
    img_array = np.array(img).astype(np.float32)#转化成数组
    I=img_array
    zmax=np.max(I)
    zmin=np.min(I)
    tk=(zmax+zmin)/2#设置初始阈值
    #根据阈值将图像进行分割为前景和背景，分别求出两者的平均灰度  zo和zb
    b=1
    m,n=I.shape;
    while b==0:
        ifg=0
        ibg=0
        fnum=0
        bnum=0
        for i in range(1,m):
             for j in range(1,n):
                tmp=I(i,j)
                if tmp>=tk:
                    ifg=ifg+1
                    fnum=fnum+int(tmp)  #前景像素的个数以及像素值的总和
                else:
                    ibg=ibg+1
                    bnum=bnum+int(tmp)#背景像素的个数以及像素值的总和
        #计算前景和背景的平均值
        zo=int(fnum/ifg)
        zb=int(bnum/ibg)
        if tk==int((zo+zb)/2):
            b=0
        else:
            tk=int((zo+zb)/2)
    return tk
img = cv2.imread("1.jpg")
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
gray = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY