Python skimage自动阈值分割算法详解与实现

引言

图像阈值分割是一项应用广泛的图像处理技术。其核心思想是利用目标区域与背景区域在灰度值上的显著差异，将图像视为由不同灰度级构成的两类区域（即目标与背景）的组合。通过选取一个合理的阈值，对图像中每个像素点进行判断，确定其归属于目标还是背景，最终生成对应的二值图像。

在Python的skimage库中，阈值分割功能主要集成在filters模块中。

用户既可以通过手动指定阈值来实现分割，也可以利用系统自动计算的阈值。下文将重点介绍几种常用的自动阈值生成方法。

1、threshold_otsu

Otsu阈值分割法是一种常用的全局阈值算法，其函数调用格式如下：

skimage.filters.threshold_otsu(image, nbins=256)

其中，参数image代表输入的灰度图像，函数执行后返回计算得到的阈值。

from skimage import data,filters
import matplotlib.pyplot as plt
image = 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('original image')
plt.imshow(image,plt.cm.gray)
plt.subplot(122)
plt.title('binary image')
plt.imshow(dst,plt.cm.gray)
plt.show()

以示例图像为例，该函数返回的阈值为87。依据此阈值进行分割，结果如下图所示：

2、threshold_yen

该函数的使用方式与前述方法一致：

thresh = filters.threshold_yen(image)

计算得到的阈值为198，分割效果展示如下：

3、threshold_li

调用方式同上：

thresh = filters.threshold_li(image)

该算法返回的阈值为64.5，对应的分割图像如下：

4、threshold_isodata

该方法的阈值计算逻辑为：

threshold = (image[image <= threshold].mean() +image[image > threshold].mean()) / 2.0

具体调用方式与其他方法相同：

thresh = filters.threshold_isodata(image)

实验结果显示，该算法返回的阈值为87，因此其分割效果与threshold_otsu的结果一致。

5、threshold_adaptive

该函数的调用格式为：

skimage.filters.threshold_adaptive(image, block_size, method='gaussian'）

block_size参数定义块大小，即当前像素的邻域范围，通常建议设置为奇数（如3、5、7等）。

method参数用于指定自适应阈值的具体计算方法，可选值包括'mean'、'generic'、'gaussian'和'median'。

若省略该参数，默认使用'gaussian'方法。

需要注意的是，该函数直接返回经过阈值处理后的图像，而非阈值数值本身。

from skimage import data,filters
import matplotlib.pyplot as plt
image = 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('original image')
plt.imshow(image,plt.cm.gray)
plt.subplot(122)
plt.title('binary image')
plt.imshow(dst,plt.cm.gray)
plt.show()

读者可以通过调整block_size的大小以及更改method的值，来观察不同的分割效果。例如：

dst1 =filters.threshold_adaptive(image,31,'mean') 
dst2 =filters.threshold_adaptive(image,5,'median')

两种不同参数配置下的分割效果对比如下：

以上即为Python skimage库中图像自动阈值分割的完整示例与解析，更多关于Python数字图像自动阈值分割的技术资料，欢迎持续关注本站后续文章！