Mahotas - 软阈值

---

---

软阈值是指降低图像的噪声（降噪）以提高其质量。

它根据像素与阈值的接近程度，为像素分配一个连续的值范围。这导致前景和背景区域之间逐渐过渡。

在软阈值中，阈值决定了降噪和图像保存之间的平衡。较高的阈值会导致更强的降噪，但会导致信息丢失。

相反，较低的阈值保留更多信息，但会导致不需要的噪声。

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，以增强具有非均匀噪声水平的图像。

通过使用动态调整，该函数按比例降低那些强度超过阈值的像素的强度，并将它们分配给前景。

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() 函数接收灰度图像作为输入，并返回已应用软阈值的图像。它的工作原理是将像素强度与提供的阈值进行比较。

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 - 输入灰度图像。

• tval - 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
# Loading the image
image = mh.imread('tree.tiff')
# Converting it to grayscale
image = mh.colors.rgb2gray(image)
# Setting threshold value
tval = 150
# Applying soft threshold on the image
threshold_image = mh.thresholding.soft_threshold(image, tval)
# 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(threshold_image, cmap='gray')
axes[1].set_title('Soft 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：

使用均值进行软阈值

我们可以使用图像上像素强度的均值来应用软阈值。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，然后除以像素总数来计算的。

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降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

下面的示例显示了当阈值为像素强度均值时，对灰度图像应用软阈值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('tree.tiff')
# Converting it to grayscale
image = mh.colors.rgb2gray(image)
# Setting mean threshold value
tval = np.mean(image)
# Applying soft threshold on the image
threshold_image = mh.thresholding.soft_threshold(image, tval)
# 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(threshold_image, cmap='gray')
axes[1].set_title('Soft Threshold Image')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
mtplt.show()

输出

上述代码的输出如下：

使用百分位数进行软阈值

除了均值，我们还可以使用图像像素强度的百分位数来应用软阈值。百分位数是指低于该值的数据所占的百分比；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的85%的像素才会被分类为前景，而其余像素会被分类为背景。

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，此值用于soft_thresholding()函数对图像应用软阈值。

示例

在这个例子中，我们展示了当使用百分位数查找阈值时如何应用软阈值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('tree.tiff')
# Converting it to grayscale
image = mh.colors.rgb2gray(image)
# Setting percentile threshold value
tval = np.percentile(image, 85)
# Applying soft threshold on the image
threshold_image = mh.thresholding.soft_threshold(image, tval)
# 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(threshold_image, cmap='gray')
axes[1].set_title('Soft 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：