Bagaimana untuk mengambang imej segmen menggunakan Python

Cara menggunakan Python untuk melakukan segmentasi ambang pada imej

Pengenalan:
Segmentasi ambang ialah kaedah pemprosesan imej yang mudah dan berkesan, yang boleh membahagikan piksel dalam imej kepada dua kategori berbeza mengikut nilai skala kelabunya. Ia digunakan secara meluas dalam pemprosesan imej, seperti pengesanan sasaran, pengekstrakan tepi, peningkatan imej, dll. Artikel ini akan memperkenalkan cara menggunakan perpustakaan OpenCV dalam Python untuk pembahagian ambang, dengan contoh kod yang berkaitan.

Langkah 1: Import perpustakaan yang diperlukan
Menggunakan Python untuk pemprosesan imej terlebih dahulu memerlukan pengimportan perpustakaan yang berkaitan. Artikel ini menggunakan perpustakaan OpenCV untuk pemprosesan imej, jadi anda perlu menggunakan kod berikut untuk mengimport perpustakaan OpenCV:

import cv2
import numpy as np

Langkah 2: Baca imej
Seterusnya, kita perlu membaca fail imej untuk diproses. Imej boleh dibaca menggunakan fungsi cv2.imread() dalam OpenCV, seperti yang ditunjukkan di bawah: cv2.imread()函数来读取图像，如下所示：

image = cv2.imread("image.jpg")

步骤三：转换为灰度图像
阈值分割需要将图像转换为灰度图像。可以使用cv2.cvtColor()函数将读取的彩色图像转换为灰度图像，代码如下：

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

步骤四：应用阈值分割
现在可以应用阈值分割算法来将图像分割成不同的类别。OpenCV提供了几种不同的阈值分割方法，本文将介绍最常用的全局阈值分割方法，即固定阈值分割。

首先，我们需要选择一个阈值。可以手动选择阈值，也可以使用Otsu算法自动选择阈值。本文将使用Otsu算法自动选择阈值，代码如下：

ret, threshold_image = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

cv2.threshold()函数返回两个值：阈值和分割后的二值图像。在这个例子中，我们使用Otsu算法来自动选择阈值。

步骤五：显示结果
最后，我们可以使用cv2.imshow()

cv2.imshow("Threshold Image", threshold_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Langkah 3: Tukar kepada imej skala kelabu

Segmentasi ambang memerlukan penukaran imej kepada imej skala kelabu. Anda boleh menggunakan fungsi cv2.cvtColor() untuk menukar imej warna yang dibaca kepada imej skala kelabu Kodnya adalah seperti berikut:

import cv2
import numpy as np

# 读取图像
image = cv2.imread("image.jpg")

# 转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 应用阈值分割
ret, threshold_image = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 显示结果
cv2.imshow("Threshold Image", threshold_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Langkah 4: Gunakan segmentasi ambang
Kini anda boleh menggunakan ambang. algoritma segmentasi untuk membahagikan imej ke dalam kategori yang berbeza. OpenCV menyediakan beberapa kaedah pembahagian ambang yang berbeza Artikel ini akan memperkenalkan kaedah pembahagian ambang global yang paling biasa digunakan, iaitu pembahagian ambang tetap.

🎜Pertama, kita perlu memilih ambang. Ambang boleh dipilih secara manual atau automatik menggunakan algoritma Otsu. Artikel ini akan menggunakan algoritma Otsu untuk memilih ambang secara automatik Kodnya adalah seperti berikut: 🎜rrreee🎜cv2.threshold() Fungsi mengembalikan dua nilai: ambang dan imej binari tersegmen. Dalam contoh ini, kami menggunakan algoritma Otsu untuk memilih ambang secara automatik. 🎜🎜Langkah 5: Paparkan keputusan🎜Akhir sekali, kita boleh menggunakan fungsi cv2.imshow() untuk memaparkan imej yang diproses Kodnya adalah seperti berikut: 🎜rrreee🎜Contoh kod penuh: 🎜rrreee🎜. Kesimpulan: 🎜Artikel ini Menghuraikan cara menggunakan perpustakaan OpenCV dalam Python untuk pembahagian ambang, termasuk mengimport perpustakaan yang diperlukan, membaca imej, menukar kepada imej skala kelabu, menggunakan pembahagian ambang dan memaparkan keputusan. Segmen ambang ialah kaedah pemprosesan imej yang mudah dan berkesan yang boleh meduakan imej mengikut keperluan untuk pemprosesan atau analisis seterusnya. Dengan menguasai langkah asas ini, dalam tugas pemprosesan imej sebenar, kami boleh melaksanakan pembahagian imej mengikut keperluan dan menggunakannya pada pengesanan sasaran, pengekstrakan tepi, dsb. 🎜

Atas ialah kandungan terperinci Bagaimana untuk mengambang imej segmen menggunakan Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!