多级图像阈值答案

【问题标题】：Multilevel image threshold多级图像阈值
【发布时间】：2019-11-11 01:06:33
【问题描述】：

我正在尝试获得具有多级阈值含义的图像蒙版，考虑到我想要对图像进行阈值处理的像素的强度 - 白色用于最亮区域，灰色用于稍微不太亮的区域，黑色用于相对较暗的区域。我遇到过有关多级 otsu 阈值的各种文章，但找不到可以用作参考的实现。一旦我有了这些掩码，我想对这些掩码执行 bitwise_and 以检索白色和灰色区域的原始图像区域。那可能吗？目前，我正在使用ret, thresh_ = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU) 获取口罩。

我尝试使用 if 语句显式设置值。

if(thresh_ <=80):
            thresh_ = 0

        elif(thresh_ >80 & thresh_ <=160):
            thresh_ = 150

        else: 
            thresh_ = 255

但它不起作用，并且报错- 具有多个元素的数组的真值是模棱两可的。使用 a.any() 或 a.all()

for file in glob.glob(path):
        img = cv2.imread(file)  


        #edge detection
        canny = auto_canny(img)


        #Dilation(Morphological function to increase edge width)
        img_dilate = cv2.dilate(canny, (3,3), iterations = 1)

【问题讨论】：

您可以使用 cv2.inrange() 为您想要的每个范围创建 3 个阈值图像。见docs.opencv.org/4.1.1/d2/de8/…
如果你在谷歌上搜索，你会找到stackoverflow.com/questions/22706742/…，也许还有其他人。同样来自 Skimage，请参阅scikit-image.org/docs/dev/auto_examples/segmentation/…
@fmw42 在 python 中可用吗？
Skimage 与 python 兼容
@fmw42 我尝试了这些方法，但对我不起作用。也许我做错了什么。这就是我使用 if 语句明确指定范围的原因。

标签： python numpy opencv image-processing

【解决方案1】：

为此使用 cv 可能有点矫枉过正；您可能可以拍摄图像并使用 numpy 样式的索引来设置阈值：

img[img < 80] = 0
img[(img < 160) & (img > 0)] = 150
img[img > 150] = 255

（未经测试）

您看到错误的原因是因为与数组的比较在“vanilla”python 中不起作用；你希望[1, 2, 3] > 2 的结果是什么？

但在 numpy 风格的 Python（OpenCV 使用）中，上面将返回 [False, False, True] 的逐项比较，这是我们在上面的代码块中利用的质量。

【讨论】：

我应该在原始图像上应用这个吗？
是的——如果它是一个 numpy-array 或类似的，这个代码应该可以直接工作（并且会修改你的 img 变量）。我无法从您发布的代码中看出您的 img 变量设置为什么。
图像是一个 numpy 数组，我在其上执行了边缘检测和膨胀。

【解决方案2】：

使用 Numpy，可以通过针对可变数量区域的快速内置函数轻松实现该解决方案。假设我们正在做灰度分段。假设一个长度为 k-1 的阈值 T 列表（例如 k = 3 个区域，T = [85, 170]）。

import numpy as np

Digitize 将获取每个元素的 bin 索引 (0...k-1)：

out = np.digitize(image, bins=T)

现在我们将索引映射到灰度颜色：

out = out*int(255/(k-1))

【讨论】：