python 函数式分割_基于Python的阈值分割算法实现(一)

引言

由于笔者从事二分类问题的研究，另外实验室也有此类算法的实现需要，因此从该文开始，笔者将连续讲解基于Python封装函数进行遥感图像特征的分割方法与实现。本文将以NDVI特征为例，进行农田环境下建筑物的分割。本章节代码共分成两部分，第一部分，输出值为图像灰度化后的阈值，第二部分输出为NDVI特征阈值，根据NDVI阈值，在ArcMap中实现结果输出及展示。

主要方法原理

(1)最大类间方差法(OTSU)

简单的说，这种算法假设一副图像由前景色和背景色组成，通过统计学的方法来选取一个阈值，使得这个阈值可以将前景色和背景色尽可能的分开。或者更准确的说是在某种判据下最优，与数理统计领域的 fisher 线性判别算法其实是等价的。

假设取一个最优阈值把原图像分为前景色(A部分)与背景色(B部分)，那么两部分的类间方差越大，说明两部分差别越大，便能有效的分割图像。所以该算法最关键的是找到最优阈值。当数据的灰度直方图呈现双峰分布时，二分类的Otsu算法就能够较好地实现图像分割。原始图像灰度直方图Otsu算法下的分割结果

然而Otsu 方法不是万能的。当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好。这时就要考虑其他的办法了，例如改进式多阈值OUST算法，当然这是后话，本节只探讨二分类问题。图像中的多峰情况

数据介绍

原始图像为4波段遥感图像，分别为蓝、绿、红、近红外波