python数字图像处理之图像自动阈值分割示例

　　小编写这篇文章的一个主要目的，主要是利用其python数字图像技术，用来对python数字图像进行处理，主要是用来进行处理相关的阈值等一些情况，包括对其进行分割。具体的一些内容，下面就给大家详细解答下。

　　序言

　　什么是图像控制管理及时呢？主要是利用其图像之间的灰度进行一些相关的测试工作，根据图像灰度之间的不同程度，去进行测算一些相关情况。做这个的目的，主要是用来对其进行相关的灰度值的一些测算，从而产生一些相关的图像处理过程。

　　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。

　　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()

　　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：

　　hreshold=(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。

　　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()

　　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')

       综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来帮助。