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 −