标签：
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。
1、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()
返回阈值为87，根据87进行分割得下图:
2、threshold_yen
使用方法同上：
thresh = filters.threshold_yen(image)
返回阈值为198，分割如下图：
3、threshold_li
使用方法同上：
thresh = filters.threshold_li(image)
返回阈值64.5，分割如下图：
4、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：
thresh = filters.threshold_isodata(image)
返回阈值为87，因此分割效果和threshold_otsu一样。
5、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 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()
大家可以修改block_size的大小和method值来查看更多的效果。如：
dst1 =filters.threshold_adaptive(image,31,‘mean‘) dst2 =filters.threshold_adaptive(image,5,‘median‘)
两种效果如下：
标签：
原文地址：http://www.cnblogs.com/denny402/p/5131004.html
