Mahotas - Riddler-Calvard 方法
Riddler-Calvard 方法是一种将图像分割为前景和背景区域的技术。它对图像的像素进行分组,以在计算阈值时最小化簇内方差。
簇内方差测量像素值在组中的分散程度。簇内方差低表示像素值靠近,而簇内方差高表示像素值分散。
Mahotas 中的 Riddler-Calvard 方法
在 Mahotas 中,我们使用 thresholding.rc() 函数通过 Riddler-Calvard 技术计算图像的阈值。该函数以以下方式运行 −
它计算两个簇 − 的均值和方差。均值是所有像素的平均值,方差是像素分布的度量。
接下来,它选择一个阈值,使簇内方差最小化。
然后它将每个像素分配给方差较低的簇。
步骤 2 和 3 不断重复,直到计算出阈值。然后使用该值将图像分割成前景和背景。
mahotas.thresholding.rc() 函数
mahotas.thresholding.rc() 函数将灰度图像作为输入,并返回使用 Riddler−Calvard 技术计算的阈值。
然后将灰度图像的像素与阈值进行比较以创建二值图像。
语法
以下是 mahotas − 中 rc() 函数的基本语法
mahotas.thresholding.rc(img, ignore_zeros=False)
其中,
img −它是输入的灰度图像。
ignore_zeros(可选) − 它是一个标志,指定是否忽略零值像素(默认为 false)。
示例
在下面的例子中,我们使用 mh.thresholding.rc() 函数来查找阈值。
import mahotas as mh import numpy as np import matplotlib.pyplot as mtplt # 加载图像 image = mh.imread('sun.png') # 将其转换为灰度 image = mh.colors.rgb2gray(image).astype(np.uint8) # 使用 Riddler-Calvard 方法计算阈值 rc_threshold = mh.thresholding.rc(image) # 根据阈值创建图像 final_image = image > rc_threshold # 为子图创建图形和轴 fig, axis = mtplt.subplots(1, 2) # 显示原始图像 axes[0].imshow(image, cmap='gray') axes[0].set_title('Original Image') axes[0].set_axis_off() # 显示阈值图像 axes[1].imshow(final_image, cmap='gray') axes[1].set_title('Riddler-Calvard Threshold Image') axes[1].set_axis_off() # 调整子图之间的间距 mtplt.tight_layout() # 显示图形 mtplt.show()
输出
以下是上述代码的输出 −

忽略零值像素
我们还可以通过忽略零值像素来找到 Riddler−Calvard 阈值。零值像素是强度值为 0 的像素。
它们通常表示图像的背景像素,但在某些图像中,它们也可能表示噪声。
在灰度图像中,零值像素是用颜色"黑色"表示的像素。
要在 mahotas 中计算阈值时排除零值像素,我们可以将 ignore_zeros 参数设置为布尔值"True"。
示例
在下面提到的示例中,我们在使用 Riddler−Calvard 方法计算阈值时忽略值为零的像素。
import mahotas as mh import numpy as np import matplotlib.pyplot as mtplt # 加载图像 image = mh.imread('nature.jpeg') # 将其转换为灰度 image = mh.colors.rgb2gray(image).astype(np.uint8) # 使用 Riddler-Calvard 方法计算阈值 rc_threshold = mh.thresholding.rc(image, ignore_zeros=True) # 根据阈值创建图像 final_image = image > rc_threshold # 为子图创建图形和轴 fig, axis = mtplt.subplots(1, 2) # 显示原始图像 axes[0].imshow(image, cmap='gray') axes[0].set_title('Original Image') axes[0].set_axis_off() # 显示阈值图像 axes[1].imshow(final_image, cmap='gray') axes[1].set_title('Riddler-Calvard Threshold Image') axes[1].set_axis_off() # 调整子图之间的间距 mtplt.tight_layout() # 显示图形 mtplt.show()
输出
执行上述代码后,我们得到以下输出 −
