python阈值计算_基于Python的阈值分割算法实现(二)

引言

前文我们讨论了关于实现OTSU算法的问题，该算法主要是针对于特征值阈值的确定，这个值可以用于论文讨论和说明。但实际情况中，我们需要对图像进行各种滤波，预处理，那么此时我们可能需要一种带坐标和投影的分割结果，本文就将带大家实现对图像进行阈值分割后进行结果的输出。

本文代码共包含了四种不同的分割算法，分别是三角阈值分割法、Riddler-Calvard分割法、自适应局部均值分割法、自适应局部高斯分割法，前两种为全局性的算法，在Python的封装函数中即可输出阈值又可输出图像，后两种为局部性分割算法，在Python的封装函数中只能输出图像。另外，本问在使用Riddler-Calvard分割法时，引用了mahotas库，由于内网下载比较慢，在这里上传为附件给大家使用(大家按照自己的环境自取)。

安装的时候注意安装到自己的开发环境，必须激活环境之后才能使用 pip install 命令

mahotas-1.4.9-cp37-cp37m-win_amd64.whl

1.7M ·

百度网盘

主要方法原理

1.三角阈值分割法

三角法求阈值最早见于Zack的论文《Automatic measurement of sister chromatid exchange frequency》主要是用于染色体的研究，该方法是使用直方图数据，基于纯几何方法来寻找最佳阈值，它的成立条件是假设直方图最大波峰在靠近最亮的一侧，然后通过三角形求得最大直线距离，根据最大直线距离对应的直方图灰度等级即为分割阈值，图示如下：在直方图上从最高峰处bmx到最暗对应直方图bmin(p=0)%构造一条直线，从bmin处开始计算每个对应的直方图b到直线的垂直距离，知道bmax为止，其中最大距离对应的直方图位置即为图像二值化对应的阈值T有时候最大波峰对应位置不在直方图最亮一侧，而在暗的一侧，这样就需要翻转直方图，翻转之后求得值，用255减去即得到为阈值T

2.Riddler-Calvard分割法

Riddler-Calvard跟OTSU与Triangle一样都是基于直方图计算得到阈值的二值化分割算法，唯一个不同的是Riddler-Calvard是基于迭代查找实现，它的算法步