Entropy Method图像分割方法代码复现--python

Entropy Method简介

 

计算前景和背景的信息熵，求最大熵。含义是经过阈值分割后图像的平均信息量越大愈好。

主要就是这两个公式，熵的计算公式，学过信息论或通信原理的应该都了解，衡量平均信息量。

代码

# -*- coding: utf-8 -*-
"""
Created on Thu Apr 25 08:48:19 2019
Entropy Method
@author: yun
"""

import cv2
import numpy as np
import matplotlib.pyplot as plt
import math

def Entropy(gray):
    p = []#灰度概率
    
    H_last = 0#上一个H总熵
    best_k =0#最佳阈值
    hist = cv2.calcHist([gray],[0],None,[256],[0,256])#255*1的灰度直方图的数组
    for i in range(256):
        p.insert(i,hist[i][0]/gray.size)
    for k in range(256):
        H_b = 0#black的熵，前景的平均信息量
        H_w = 0#white的熵，背景的平均信息量
        for i in range(k):
            if p[i] != 0:
                H_b = H_b - p[i]*math.log(2,p[i])