图像的自动阈值分割

图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标区域与其背景在灰度特性上的差异，把图像看作具有不同灰度级的两类区域(目标区域和背景区域)的组合，选取一个比较合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生相应的二值图像。在skimage库中，阈值分割的功能是放在filters模块中。我们可以手动指定一个阈值，从而来实现分割。也可以让系统自动生成一个阈值，下面几种方法就是用来自动生成阈值。

一 threshold_otsu

基于Otsu的阈值分割方法，函数调用格式：

skimage.filters.threshold_otsu(image, nbins=256)

参数image是指灰度图像，返回一个阈值。

from skimage import data,filters
import matplotlib.pyplot as plt
image = data.camera()
thresh = filters.threshold_otsu(image)   #返回一个阈值
dst =(image <= thresh)*1.0   #根据阈值进行分割
plt.figure('thresh',figsize=(8,8))

plt.subplot(121)
plt.title('original image')
plt.imshow(image,plt.cm.gray)

plt.subplot(122)
plt.title('binary image')
plt.imshow(dst,plt.cm.gray)

plt.show()

结果如下图所示：

二 threshold_yen

使用方法同上：

from skimage import data,filters
import matplotlib.pyplot as plt
image = data.camera()
thresh = filters.threshold_yen(image)   #返回一个阈值
dst =(image <= thresh)*1.0   #根据阈值进行分割
plt.figure('thresh',figsize=(8,8))

plt.subplot(121)
plt.title('original image')
plt.imshow(image,plt.cm.gray)

plt.subplot(122)
plt.title('binary image')
plt.imshow(dst,plt.cm.gray)

plt.show()

结果如下图所示：

三 threshold_li

使用方法同上：

from skimage import data,filters
import matplotlib.pyplot as plt
image = data.camera()
thresh = filters.threshold_li(image)  #返回一个阈值
dst =(image <= thresh)*1.0   #根据阈值进行分割
plt.figure('thresh',figsize=(8,8))

plt.subplot(121)
plt.title('original image')
plt.imshow(image,plt.cm.gray)

plt.subplot(122)
plt.title('binary image')
plt.imshow(dst,plt.cm.gray)

plt.show()

结果如下图所示：

 

四 threshold_isodata

阈值计算方法：threshold = (image[image <= threshold].mean() +image[image > threshold].mean()) / 2.0

使用方法同上：

from skimage import data,filters
import matplotlib.pyplot as plt
image = data.camera()
thresh = filters.threshold_isodata(image) #返回一个阈值
dst =(image <= thresh)*1.0   #根据阈值进行分割
plt.figure('thresh',figsize=(8,8))

plt.subplot(121)
plt.title('original image')
plt.imshow(image,plt.cm.gray)

plt.subplot(122)
plt.title('binary image')
plt.imshow(dst,plt.cm.gray)

plt.show()

结果如下图所示：

五 threshold_adaptive

调用函数为：

skimage.filters.threshold_adaptive(image, block_size, method='gaussian'）

block_size: 块大小，指当前像素的相邻区域大小，一般是奇数（如3，5，7。。。）

method: 用来确定自适应阈值的方法，有'mean', 'generic', 'gaussian' 和 'median'。省略时默认为gaussian

该函数直接访问一个阈值后的图像，而不是阈值。

from skimage import data,filters
import matplotlib.pyplot as plt
image = data.camera()
dst = filters.threshold_adaptive(image, 15) #返回一个阈值图像
dst1 = filters.threshold_adaptive(image, 31,'mean') #返回一个阈值图像
dst2 = filters.threshold_adaptive(image,5,'median') #返回一个阈值图像

plt.figure('thresh',figsize=(8,8))

plt.subplot(221)
plt.title('original image')
plt.imshow(image,plt.cm.gray)

plt.subplot(222)
plt.title('binary image 15')
plt.imshow(dst,plt.cm.gray)

plt.subplot(223)
plt.title('binary image 31')
plt.imshow(dst1,plt.cm.gray)

plt.subplot(224)
plt.title('binary image 5')
plt.imshow(dst,plt.cm.gray)

plt.show()

结果如下图所示：

 

转载于:https://www.cnblogs.com/Terrypython/p/9958250.html