Mahotas - 软阈值

软阈值是指降低图像的噪声(去噪)以提高其质量。

它根据像素与阈值的接近程度为像素分配连续的值范围。这会导致前景和背景区域之间的逐渐过渡。

在软阈值中，阈值决定了去噪和图像保留之间的平衡。较高的阈值会导致更强的去噪，但会导致信息丢失。

相反，较低的阈值会保留更多信息，但会导致不必要的噪音。

Mahotas 中的软阈值

在 Mahotas 中，我们可以使用 thresholding.soft_threshold() 函数对图像应用软阈值。它根据相邻像素动态调整阈值，以增强噪声水平不均匀的图像。

通过使用动态调整，该函数按比例降低强度超过阈值的像素的强度，并将其分配给前景。

另一方面，如果像素的强度低于阈值，则将其分配给背景。

mahotas.thresholding.soft_threshold() 函数

mahotas.thresholding.soft_threshold() 函数以灰度图像作为输入，并返回已应用软阈值的图像。它通过将像素强度与提供的阈值进行比较来工作。

语法

以下是 mahotas − 中 soft_threshold() 函数的基本语法

mahotas.thresholding.soft_threshold(f, tval)

其中，

• f − 是输入的灰度图像。

• tval − 是阈值。

示例

在下面的示例中，我们使用 mh.thresholding.soft_threshold() 函数对灰度图像应用软阈值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('tree.tiff')
# 将其转换为灰度
image = mh.colors.rgb2gray(image)
# 设置阈值
tval = 150
# 在图像上应用软阈值
threshold_image = mh.thresholding.soft_threshold(image, tval)
# 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(threshold_image, cmap='gray')
axes[1].set_title('Soft Threshold Image')
axes[1].set_axis_off()
# 调整间距子图
mtplt.tight_layout()
# 显示图形
mtplt.show()

输出

以下是上述代码的输出 −

使用平均值的软阈值

我们可以使用图像上像素强度的平均值应用软阈值。平均值是指图像的平均强度。

它是通过将所有像素的强度值相加，然后除以总像素数来计算的。

在 mahotas 中，我们可以使用 numpy.mean() 函数找到图像所有像素的平均像素强度。然后可以将平均值传递给 mahotas.thresholding.soft_threshold() 函数的 tval 参数以生成软阈值图像。

这种应用软阈值的方法在去噪和图像质量之间保持了良好的平衡，因为阈值既不太高也不太低。

示例

以下示例显示了当阈值是像素强度的平均值时，在灰度图像上应用软阈值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('tree.tiff')
# 将其转换为灰度
image = mh.colors.rgb2gray(image)
# 设置平均阈值
tval = np.mean(image)
# 在图像上应用软阈值
threshold_image = mh.thresholding.soft_threshold(image, tval)
# 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(threshold_image, cmap='gray')
axes[1].set_title('Soft 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

上述代码的输出如下 −

使用百分位值的软阈值

除了平均值，我们还可以使用百分位值对图像像素的强度应用软阈值。百分位是指给定百分比的数据低于该值的值;在图像处理中，它指的是图像中像素强度的分布。

例如，让我们将阈值百分位数设置为 85。这意味着只有强度大于图像中其他像素 85% 的像素才会被归类为前景，而其余像素将被归类为背景。

在 mahotas 中，我们可以使用 numpy.percentile() 函数根据像素强度的百分位数设置阈值。然后在 soft_thresholding() 函数中使用此值对图像应用软阈值。

示例

在此示例中，我们展示了当使用百分位数值找到阈值时如何应用软阈值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('tree.tiff')
# 将其转换为灰度
image = mh.colors.rgb2gray(image)
# 设置百分位阈值
tval = np.percentile(image, 85)
# 在图像上应用软阈值
threshold_image = mh.thresholding.soft_threshold(image, tval)
# 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(threshold_image, cmap='gray')
axes[1].set_title('Soft 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 −