第10章 Python 数字图像处理(DIP) - 图像分割基础知识标准差分割法

This Chapter is all about image segmentation.
I still not finished whole chapter, but here try to publish some for reference.

这里写目录标题

基础知识

import sys
import numpy as np
import cv2
import matplotlib
import matplotlib.pyplot as plt
import PIL
from PIL import Imageprint(f"Python version: {sys.version}")
print(f"Numpy version: {np.__version__}")
print(f"Opencv version: {cv2.__version__}")
print(f"Matplotlib version: {matplotlib.__version__}")
print(f"Pillow version: {PIL.__version__}")

def normalize(x, ymin=0, ymax=1):"""Description:- Map x into desired range[ymin, ymax], according to the math function $$y = \frac{(y_{\text{max}} - y_{\text{min}}) (x - x_{\text{min}})}{(x_{\text{max}} - x_{\text{min}})} + y_{\text{min}}$$Parameters:- x:    input array- ymin: desired min value, such as -1, or whatever you want- ymax: desired max value, such as 1, or other you need"""result = (ymax - ymin) * (x - x.min()) / (x.max()-x.min()) + ymin#################### old one ####################### result = (x - x.min()) / (x.max() - x.min())return result

基础知识

令RRR表示一幅图像占据的整个空间区域。我们可以将图像分割视为把RRR分为nnn个子区域R1，R2，⋯，RnR_1，R_2，\cdots，R_nR1，R2，⋯，Rn的过程，满足：

(a) ⋃i=1nRi=R\bigcup_{i=1}^{n} R_{i} = R⋃i=1nRi=R。
(b) Ri,i=0,1,2,⋯,nR_{i}, i=0, 1, 2, \cdots, nRi,i=0,1,2,⋯,n 是一个连通集。
(c) 对所有iii和jjj， i≠j,Ri⋂Rj=∅i\neq j, R_{i}\bigcap R_{j} = \emptyseti=j,Ri⋂Rj=∅。
(d) Q(Ri)=TRUE,i=0,1,2,⋯,nQ(R_{i})=TRUE, i=0, 1, 2, \cdots, nQ(Ri)=TRUE,i=0,1,2,⋯,n。
(e) 对于任何邻接区域RiR_{i}Ri和RjR_{j}Rj， Q(Ri⋃Rj)=FALSEQ(R_{i} \bigcup R_{j}) = FALSEQ(Ri⋃Rj)=FALSE。

其中Q(Ri)Q(R_{i})Q(Ri)是定义在集合RkR_{k}Rk中的点上的一个谓词逻辑。

def std_seg(image, thred=0, stride=4):"""Description:Segment image caculating standard deviationParemeters:image: input grayscale imagethred: thredshold of the standard diviationstride: control the neighborhoodReturn:Binary segment image"""h, w = image.shape[:2]result = image.copy()# here we use stride the create non-overlap region, if we not need stride here, we still can get very good result# or we set stride smaller than 8, then we can get better resultfor i in range(0, h, stride):for j in range(0, w, stride):temp = image[i:i+stride, j:j+stride]if np.std(temp) <= thred:result[i:i+stride, j:j+stride] = 0else:result[i:i+stride, j:j+stride] = 255return result

# standard deviation segment, according the result below, it seems the img_f is not 8x8 region, is about 4-5
img_d = cv2.imread("DIP_Figures/DIP3E_Original_Images_CH10/Fig1001(d)(noisy_region).tif", -1)
img_seg = std_seg(img_d, thred=0, stride=5)fig = plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1), plt.imshow(img_d, 'gray'), plt.xticks([]), plt.yticks([])
plt.subplot(1, 2, 2), plt.imshow(img_seg, 'gray'), plt.xticks([]), plt.yticks([])
plt.tight_layout()
plt.show()

第10章 Python 数字图像处理(DIP) - 图像分割基础知识标准差分割法相关推荐

第2章 Python 数字图像处理(DIP) --数字图像基础5 -- 算术运算、集合、几何变换、傅里叶变换等
目录数字图像处理所有的基本数字工具介绍算术运算集合运算和逻辑运算空间运算向量与矩阵运算图像变换图像和随机变量数字图像处理所有的基本数字工具介绍算术运算 # 相加 img_ori = ...
第2章 Python 数字图像处理(DIP) --数字图像基础4 -- 像素间的一些基本关系 - 邻域 - 距离测试
目录像素间的一些基本关系像素的相信像素距离测试 import sys import numpy as np import cv2 import matplotlib import matplot ...
第2章 Python 数字图像处理(DIP) --数字图像基础1 - 视觉感知要素 - 亮度适应与辨别
数字图像基础1 视觉感知要素亮度适应与辨别 import sys import numpy as np import cv2 import matplotlib import matplotlib. ...
第2章 Python 数字图像处理(DIP) --数字图像基础2 - 图像感知要素 - 图像取样和量化 - 空间分辨率和灰度分辨率
目录图像感知与获取一个简单的成像模型图像取样和量化空间分辨率和灰度分辨率图像感知与获取一个简单的成像模型我们用形如 f(x,y)f(x,y)f(x,y) 的二维函数来表示图像.在空间坐标 ...
第2章 Python 数字图像处理(DIP) --数字图像基础3 - 图像内插 - 最近邻内插 - 双线性插值 - 双三次内插 - 图像放大
目录图像内插放大图像图像内插内插通常在图像放大.缩小.旋转和几何校正等任务中使用.内插并用它来调整图像的大小(缩小和放大),缩小和放大基本上采用图像重取样方法最近邻内插,这种方法将原图像中最 ...
第1章 Python 数字图像处理(DIP) --绪论
Python 数字图像处理关于本专栏此专栏为 Python 数字图像处理(DIP)(冈萨雷斯版),专栏里文章的内容都是来自书里,全部手打,非OCR,因为很多公式,都是用LaTex输入,力求更好看的 ...
第4章 Python 数字图像处理(DIP) - 频率域滤波10 - 使用低通频率域滤波器平滑图像 - 理想、高斯、巴特沃斯低通滤波器
目录使用低通频率域滤波器平滑图像理想低通滤波器(ILPF) 高斯低通滤波器(GLPF) 巴特沃斯低通滤波器低通滤波的例子使用低通频率域滤波器平滑图像理想低通滤波器(ILPF) 在以原点为中心 ...
第5章 Python 数字图像处理(DIP) - 图像复原与重建10 - 空间滤波 - 统计排序滤波器 - 中值、最大值、最小值、中点、修正阿尔法均值滤波器
标题统计排序滤波器中值.最大值.最小值.中点滤波器修正阿尔法均值滤波器统计排序滤波器中值.最大值.最小值.中点滤波器 f^(x,y)=median{g(r,c)}(5.27)\hat{f ...
第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波10 - 直方图处理 - 局部直方图处理
这里写目录标题局部直方图处理局部直方图处理因为像素是由基于整个图像的灰度的变换函数修改的.这种全局性方法适合于整体增强,但当目的是增强图像中几个小区域的细节时,通常就会失败.这是因为在这些小区域 ...

第10章 Python 数字图像处理(DIP) - 图像分割基础知识标准差分割法

这里写目录标题

基础知识

第10章 Python 数字图像处理(DIP) - 图像分割基础知识标准差分割法相关推荐

最新文章

热门文章

第10章 Python 数字图像处理(DIP) - 图像分割 基础知识 标准差分割法

这里写目录标题

基础知识

第10章 Python 数字图像处理(DIP) - 图像分割 基础知识 标准差分割法相关推荐

最新文章

热门文章

第10章 Python 数字图像处理(DIP) - 图像分割基础知识标准差分割法

第10章 Python 数字图像处理(DIP) - 图像分割基础知识标准差分割法相关推荐