python數(shù)字圖像處理之圖像自動(dòng)閾值分割示例
引言
圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像中要提取的目標(biāo)區(qū)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(jí)的兩類區(qū)域(目標(biāo)區(qū)域和背景區(qū)域)的組合，選取一個(gè)比較合理的閾值，以確定圖像中每個(gè)像素點(diǎn)應(yīng)該屬于目標(biāo)區(qū)域還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像。
在skimage庫(kù)中，閾值分割的功能是放在filters模塊中。
我們可以手動(dòng)指定一個(gè)閾值，從而來(lái)實(shí)現(xiàn)分割。也可以讓系統(tǒng)自動(dòng)生成一個(gè)閾值，下面幾種方法就是用來(lái)自動(dòng)生成閾值。
1、threshold_otsu
基于Otsu的閾值分割方法，函數(shù)調(diào)用格式：
skimage.filters.threshold_otsu(image, nbins=256)
參數(shù)image是指灰度圖像，返回一個(gè)閾值。
from skimage import data,filters
import matplotlib.pyplot as plt
image = data.camera()
thresh = filters.threshold_otsu(image) #返回一個(gè)閾值
dst =(image <= thresh)*1.0 #根據(jù)閾值進(jìn)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(jù)87進(jìn)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(jì)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(diào)用函數(shù)為：
skimage.filters.threshold_adaptive(image, block_size, method='gaussian'）
block_size: 塊大小，指當(dāng)前像素的相鄰區(qū)域大小，一般是奇數(shù)（如3，5，7。。。）
method: 用來(lái)確定自適應(yīng)閾值的方法，有'mean', 'generic', 'gaussian' 和 'median'。
省略時(shí)默認(rèn)為gaussian
該函數(shù)直接訪問(wèn)一個(gè)閾值后的圖像，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(gè)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()
大家可以修改block_size的大小和method值來(lái)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(shù)字圖像處理之圖像自動(dòng)閾值分割示例的詳細(xì)內(nèi)容，更多關(guān)于python數(shù)字圖像自動(dòng)閾值分割的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
python中協(xié)程實(shí)現(xiàn)TCP連接的實(shí)例分析
在本篇文章中我們給大家分享了python中協(xié)程實(shí)現(xiàn)TCP連接的代碼示例內(nèi)容，有需要的朋友們可以跟著學(xué)習(xí)下。2018-10-10
pycharm調(diào)試功能如何實(shí)現(xiàn)跳到循環(huán)的某一步
這篇文章主要介紹了pycharm調(diào)試功能如何實(shí)現(xiàn)跳到循環(huán)的某一步問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08
Python的Matplotlib庫(kù)應(yīng)用實(shí)例超詳細(xì)教程
這篇文章主要介紹了Python的Matplotlib庫(kù)應(yīng)用的相關(guān)資料,Matplotlib是一個(gè)強(qiáng)大的Python數(shù)據(jù)可視化庫(kù),支持繪制2D和3D圖像,它提供了簡(jiǎn)單易用的API,廣泛應(yīng)用于數(shù)據(jù)分析和科學(xué)研究,需要的朋友可以參考下2025-01-01
translate非標(biāo)準(zhǔn)庫(kù)是python中可以實(shí)現(xiàn)對(duì)多種語(yǔ)言進(jìn)行互相翻譯的庫(kù)，本文就將利用這個(gè)庫(kù)制作一個(gè)文本翻譯器，實(shí)現(xiàn)中譯英的功能，需要的可以參考一下2022-04-04
這篇文章主要給大家介紹了關(guān)于Django異步任務(wù)之Celery使用的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家學(xué)習(xí)或者使用Django具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-03-03
Python數(shù)據(jù)可視化圖實(shí)現(xiàn)過(guò)程詳解
這篇文章主要介紹了Python數(shù)據(jù)可視化圖實(shí)現(xiàn)過(guò)程詳解,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-06-06
Python中虛擬環(huán)境依賴問(wèn)題的解決方案詳解
在Python開(kāi)發(fā)中,虛擬環(huán)境和依賴管理是必不可少的工具,本文將以一個(gè)實(shí)際案例為基礎(chǔ),詳細(xì)分析如何解決Python虛擬環(huán)境中的依賴問(wèn)題,希望對(duì)大家有所幫助2025-03-03
使用Python腳本對(duì)Linux服務(wù)器進(jìn)行監(jiān)控的教程
這篇文章主要介紹了使用Python程序?qū)inux服務(wù)器進(jìn)行監(jiān)控的教程,主要基于Python2.7的版本,需要的朋友可以參考下2015-04-04
這篇文章主要為大家介紹了Python全棧之協(xié)程，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來(lái)幫助2021-12-12
TkInter是標(biāo)準(zhǔn)的Python GUI庫(kù)。的Python與Tkinter的結(jié)合提供了一個(gè)快速和容易的方法來(lái)創(chuàng)建GUI應(yīng)用程序。 Tkinter的提供了一個(gè)強(qiáng)大的面向?qū)ο蟮慕涌赥k的GUI工具包.2016-06-06