图像阈值分割是一种广泛应用的分割技术，是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。
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的。
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。
In [2]:
from skimage import data,filters
import matplotlib.pyplot as plt
In [3]:
image = data.camera()
返回一个阈值:
In [4]:
thresh = filters.threshold_otsu(image)
根据阈值进行分割:
In [5]:
dst =(image <= thresh)*1.0
In [6]:
plt.figure('thresh',figsize=(8,8))
Out[6]:
<Figure size 800x800 with 0 Axes>
<Figure size 800x800 with 0 Axes>
In [7]:
plt.subplot(121)
plt.title('original image')
plt.imshow(image,plt.cm.gray)
Out[7]:
<matplotlib.image.AxesImage at 0x7efc9783d6d0>
In [8]:
plt.subplot(122)
plt.title('binary image')
plt.imshow(dst,plt.cm.gray)
plt.show()
In [9]:
from skimage import data,filters
import matplotlib.pyplot as plt
In [10]:
image = data.camera()
In [11]:
thresh = filters.threshold_yen(image)
In [12]:
dst =(image <= thresh)*1.0
In [13]:
plt.figure('thresh',figsize=(8,8))
Out[13]:
<Figure size 800x800 with 0 Axes>
<Figure size 800x800 with 0 Axes>
In [14]:
plt.subplot(121)
plt.title('original image')
plt.imshow(image,plt.cm.gray)
Out[14]:
<matplotlib.image.AxesImage at 0x7efc8d674140>
In [15]:
plt.subplot(122)
plt.title('binary image')
plt.imshow(dst,plt.cm.gray)
plt.show()
In [16]:
thresh = filters.threshold_li(image)
In [17]:
dst =(image <= thresh)*1.0
In [18]:
plt.figure('thresh',figsize=(8,8))
Out[18]:
<Figure size 800x800 with 0 Axes>
<Figure size 800x800 with 0 Axes>
In [19]:
plt.subplot(121)
plt.title('original image')
plt.imshow(image,plt.cm.gray)
Out[19]:
<matplotlib.image.AxesImage at 0x7efc8d64a000>
In [20]:
plt.subplot(122)
plt.title('binary image')
plt.imshow(dst,plt.cm.gray)
plt.show()
In [21]:
thresh = filters.threshold_isodata(image)
dst =(image <= thresh)*1.0
In [22]:
plt.figure('thresh',figsize=(8,8))
Out[22]:
<Figure size 800x800 with 0 Axes>
<Figure size 800x800 with 0 Axes>
In [23]:
plt.subplot(121)
plt.title('original image')
plt.imshow(image,plt.cm.gray)
Out[23]:
<matplotlib.image.AxesImage at 0x7efc8d5b7ef0>
In [24]:
plt.subplot(122)
plt.title('binary image')
plt.imshow(dst,plt.cm.gray)
plt.show()
返回阈值为 87 ，因此分割效果和 threshold_otsu 一样。
threshold_local
threshold_adaptive 在 0.13 版本中被弃用，并在 0.15 版本中移除，改用 threshold_local。
用法稍有不同，需要注意。
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。
In [25]:
from skimage import data,filters
import matplotlib.pyplot as plt
In [26]:
image = data.camera()
返回一个阈值图像:
In [27]:
dst =filters.threshold_local(image, 15)
In [28]:
plt.figure('thresh',figsize=(8,8))
Out[28]:
<Figure size 800x800 with 0 Axes>
<Figure size 800x800 with 0 Axes>
In [29]:
plt.subplot(121)
plt.title('original image')
plt.imshow(image,plt.cm.gray)
Out[29]:
<matplotlib.image.AxesImage at 0x7efc8d47f3e0>
In [30]:
plt.subplot(122)
plt.title('gaussian usged image')
plt.imshow(dst,plt.cm.gray)
plt.show()
可以修改 block_size 的大小和 method 值来查看更多的效果。如：
In [31]:
dst1 =filters.threshold_local(image,31,'mean')
plt.imshow(dst1,plt.cm.gray)
plt.show()
In [32]:
dst2 =filters.threshold_local(image,5,'median')
plt.imshow(dst2,plt.cm.gray)
plt.show()
