python怎么实现图像自动阈值分割(python,开发技术)

引言

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。

fromskimageimportdata,filtersimportmatplotlib.pyplotaspltimage=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('originalimage')plt.imshow(image,plt.cm.gray)plt.subplot(122)plt.title('binaryimage')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。

fromskimageimportdata,filtersimportmatplotlib.pyplotaspltimage=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('originalimage')plt.imshow(image,plt.cm.gray)plt.subplot(122)plt.title('binaryimage')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：