python數字圖像處理之圖像自動閾值分割示例

引言

圖像閾值分割是一種廣泛應用的分割技術,利用圖像中要提取的目標區域與其背景在灰度特性上的差異,把圖像看作具有不同灰度級的兩類區域(目標區域和背景區域)的組合,選取一個比較合理的閾值,以確定圖像中每個像素點應該屬於目標區域還是背景區域,從而產生相應的二值圖像。

在skimage庫中,閾值分割的功能是放在filters模塊中。

我們可以手動指定一個閾值,從而來實現分割。也可以讓系統自動生成一個閾值,下面幾種方法就是用來自動生成閾值。

1、threshold_otsu

基於Otsu的閾值分割方法,函數調用格式:

skimage.filters.threshold_otsu(image, nbins=256)

參數image是指灰度圖像,返回一個閾值。

from skimage import data,filters
import matplotlib.pyplot as plt
image = data.camera()
thresh = filters.threshold_otsu(image)   #返回一個閾值
dst =(image <= thresh)*1.0   #根據閾值進行分割
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()

返回閾值為87,根據87進行分割得下圖:

2、threshold_yen

使用方法同上:

thresh = filters.threshold_yen(image)

返回閾值為198,分割如下圖:

3、threshold_li

使用方法同上:

thresh = filters.threshold_li(image)

返回閾值64.5,分割如下圖:

4、threshold_isodata

閾值計算方法:

threshold = (image[image <= threshold].mean() +image[image > threshold].mean()) / 2.0

使用方法同上:

thresh = filters.threshold_isodata(image)

返回閾值為87,因此分割效果和threshold_otsu一樣。

5、threshold_adaptive

調用函數為:

skimage.filters.threshold_adaptive(image, block_size, method='gaussian')

block_size: 塊大小,指當前像素的相鄰區域大小,一般是奇數(如3,5,7。。。)

method: 用來確定自適應閾值的方法,有'mean', 'generic', 'gaussian' 和 'median'。

省略時默認為gaussian

該函數直接訪問一個閾值後的圖像,而不是閾值。

from skimage import data,filters
import matplotlib.pyplot as plt
image = data.camera()
dst =filters.threshold_adaptive(image, 15) #返回一個閾值圖像
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()

大傢可以修改block_size的大小和method值來查看更多的效果。如:

dst1 =filters.threshold_adaptive(image,31,'mean') 
dst2 =filters.threshold_adaptive(image,5,'median')

兩種效果如下:

以上就是python數字圖像處理之圖像自動閾值分割示例的詳細內容,更多關於python數字圖像自動閾值分割的資料請關註WalkonNet其它相關文章!

推薦閱讀: