码迷,mamicode.com
首页 > 编程语言 > 详细

python数字图像处理(11):图像自动阈值分割

时间:2016-01-14 18:44:39      阅读:298      评论:0      收藏:0      [点我收藏+]

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(imagenbins=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:

技术分享

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:

技术分享

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:

技术分享

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(imageblock_sizemethod=‘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()

技术分享

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:

技术分享

 

python数字图像处理(11):图像自动阈值分割

标签:

原文地址:http://www.cnblogs.com/denny402/p/5131004.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!