Mahotas - Riddler-Calvard 方法

Riddler-Calvard 方法是一种用于将图像分割为前景和背景区域的技术。它对图像像素进行分组，以在计算阈值时最小化组内方差。

组内方差衡量的是像素值在一个组内的分散程度。组内方差低表示像素值彼此接近，而组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()` 函数使用 Riddler-Calvard 技术计算图像的阈值。该函数的工作方式如下：

• 它计算两个集群（前景和背景）的均值和方差。均值是所有像素的平均值，方差是像素分散程度的度量。

• 接下来，它选择一个最小化组内方差的阈值。

• 然后，它将每个像素分配给方差较小的集群。

步骤 2 和 3 连续重复，直到计算出阈值。然后使用此值将图像分割为前景和背景。

`mahotas.thresholding.rc()` 函数

`mahotas.thresholding.rc()` 函数以灰度图像作为输入，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` - 输入灰度图像。

• `ignore_zeros (可选)` - 一个标志，指定是否忽略零值像素（默认为 false）。

示例

在下面的示例中，我们使用 `mh.thresholding.rc()` 函数查找阈值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('sun.png')
# Converting it to grayscale
image = mh.colors.rgb2gray(image).astype(np.uint8)
# Calculating threshold value using Riddler-Calvard method
rc_threshold = mh.thresholding.rc(image)
# Creating image from the threshold value
final_image = image > rc_threshold
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 2)
# Displaying the original image
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# Displaying the threshold image
axes[1].imshow(final_image, cmap='gray')
axes[1].set_title('Riddler-Calvard Threshold Image')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
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。零值像素是指强度值为 0 的像素。

它们通常代表图像的背景像素，但在某些图像中，它们也可能代表噪声。

在灰度图像中，零值像素由颜色“黑色”表示。

为了在 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
# Loading the image
image = mh.imread('nature.jpeg')
# Converting it to grayscale
image = mh.colors.rgb2gray(image).astype(np.uint8)
# Calculating threshold value using Riddler-Calvard method
rc_threshold = mh.thresholding.rc(image, ignore_zeros=True)
# Creating image from the threshold value
final_image = image > rc_threshold
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 2)
# Displaying the original image
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# Displaying the threshold image
axes[1].imshow(final_image, cmap='gray')
axes[1].set_title('Riddler-Calvard Threshold Image')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
mtplt.show()

输出

执行上述代码后，我们将得到以下输出：