图像处理-skimage-滤波-分割
轉(zhuǎn)載鏈接：
https://www.cnblogs.com/wangxiaocvpr/p/11656589.html
圖像簡(jiǎn)單濾波
對(duì)圖像進(jìn)行濾波，可以有兩種效果：一種是平滑濾波，用來抑制噪聲；另一種是微分算子，可以用來檢測(cè)邊緣和特征提取。
skimage庫中通過filters模塊進(jìn)行濾波操作。
1、sobel算子
sobel算子可用來檢測(cè)邊緣
函數(shù)格式為：
None
from
2、roberts算子
roberts算子和sobel算子一樣，用于檢測(cè)邊緣
調(diào)用格式也是一樣的：
edges = filters.roberts(img)
3、scharr算子
功能同sobel，調(diào)用格式：
edges = filters.scharr(img)
4、prewitt算子
功能同sobel，調(diào)用格式：
edges = filters.prewitt(img)
5、canny算子
canny算子也是用于提取邊緣特征，但它不是放在filters模塊，而是放在feature模塊
函數(shù)格式：
skimage.feature.canny(image，sigma=1.0)
可以修改sigma的值來調(diào)整效果
from
從結(jié)果可以看出，sigma越小，邊緣線條越細(xì)小。
6、gabor濾波
gabor濾波可用來進(jìn)行邊緣檢測(cè)和紋理特征提取。
函數(shù)調(diào)用格式：
skimage
通過修改frequency值來調(diào)整濾波效果，返回一對(duì)邊緣結(jié)果，一個(gè)是用真實(shí)濾波核的濾波結(jié)果，一個(gè)是想象的濾波核的濾波結(jié)果。
from
以上為frequency=0.6的結(jié)果圖。
以上為frequency=0.1的結(jié)果圖
7、gaussian濾波
多維的濾波器，是一種平滑濾波，可以消除高斯噪聲。
調(diào)用函數(shù)為：
skimage
通過調(diào)節(jié)sigma的值來調(diào)整濾波效果
from
可見sigma越大，過濾后的圖像越模糊
8.median
中值濾波，一種平滑濾波，可以消除噪聲。
需要用skimage.morphology模塊來設(shè)置濾波器的形狀。
from
從結(jié)果可以看出，濾波器越大，圖像越模糊。
9、水平、垂直邊緣檢測(cè)
上邊所舉的例子都是進(jìn)行全部邊緣檢測(cè)，有些時(shí)候我們只需要檢測(cè)水平邊緣，或垂直邊緣，就可用下面的方法。
水平邊緣檢測(cè)：sobel_h, prewitt_h, scharr_h
垂直邊緣檢測(cè)： sobel_v, prewitt_v, scharr_v
from
上邊左圖為檢測(cè)出的水平邊緣，右圖為檢測(cè)出的垂直邊緣。
10、交叉邊緣檢測(cè)
可使用Roberts的十字交叉核來進(jìn)行過濾，以達(dá)到檢測(cè)交叉邊緣的目的。這些交叉邊緣實(shí)際上是梯度在某個(gè)方向上的一個(gè)分量。
其中一個(gè)核：
0 1
-1 0
對(duì)應(yīng)的函數(shù)：
roberts_neg_diag(image）
例：
from
另外一個(gè)核：
1 0
0 -1
對(duì)應(yīng)函數(shù)為：
roberts_pos_diag(image）
from
圖像自動(dòng)閾值分割
圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像中要提取的目標(biāo)區(qū)域與其背景在灰度特性上的差異，把圖像看作具有不同灰度級(jí)的兩類區(qū)域(目標(biāo)區(qū)域和背景區(qū)域)的組合，選取一個(gè)比較合理的閾值，以確定圖像中每個(gè)像素點(diǎn)應(yīng)該屬于目標(biāo)區(qū)域還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像。
在skimage庫中，閾值分割的功能是放在filters模塊中。
我們可以手動(dòng)指定一個(gè)閾值，從而來實(shí)現(xiàn)分割。也可以讓系統(tǒng)自動(dòng)生成一個(gè)閾值，下面幾種方法就是用來自動(dòng)生成閾值。
1、threshold_otsu
基于Otsu的閾值分割方法，函數(shù)調(diào)用格式：
skimage.filters.threshold_otsu(image, nbins=256)
參數(shù)image是指灰度圖像，返回一個(gè)閾值。
from
返回閾值為87，根據(jù)87進(jìn)行分割得下圖:
2、threshold_yen
使用方法同上：
thresh = filters.threshold_yen(image)
返回閾值為198，分割如下圖：
3、threshold_li
使用方法同上：
thresh = filters.threshold_li(image)
返回閾值64.5，分割如下圖：
4、threshold_isodata
閾值計(jì)算方法：
=
使用方法同上：
thresh = filters.threshold_isodata(image)
返回閾值為87，因此分割效果和threshold_otsu一樣。
5、threshold_adaptive
調(diào)用函數(shù)為：
'gaussian'
block_size: 塊大小，指當(dāng)前像素的相鄰區(qū)域大小，一般是奇數(shù)（如3，5，7。。。）
method: 用來確定自適應(yīng)閾值的方法，有'mean', 'generic', 'gaussian' 和 'median'。省略時(shí)默認(rèn)為gaussian
該函數(shù)直接訪問一個(gè)閾值后的圖像，而不是閾值。
from
大家可以修改block_size的大小和method值來查看更多的效果。如：
'mean'
兩種效果如下：
基本圖形的繪制
圖形包括線條、圓形、橢圓形、多邊形等。
在skimage包中，繪制圖形用的是draw模塊，不要和繪制圖像搞混了。
1、畫線條
函數(shù)調(diào)用格式為：
skimage
r1,r2: 開始點(diǎn)的行數(shù)和結(jié)束點(diǎn)的行數(shù)
c1,c2: 開始點(diǎn)的列數(shù)和結(jié)束點(diǎn)的列數(shù)
返回當(dāng)前繪制圖形上所有點(diǎn)的坐標(biāo)，如：
rr, cc =draw.line(1, 5, 8, 2)
表示從（1，5）到（8，2）連一條線，返回線上所有的像素點(diǎn)坐標(biāo)[rr,cc]
from
如果想畫其它顏色的線條，則可以使用set_color（）函數(shù)，格式為：
skimage
例：
draw
則繪制紅色線條。
from
2、畫圓
函數(shù)格式：
skimage
cy和cx表示圓心點(diǎn)，radius表示半徑
from
3、多邊形
函數(shù)格式：
skimage
Y為多邊形頂點(diǎn)的行集合，X為各頂點(diǎn)的列值集合。
from
我在此處只設(shè)置了四個(gè)頂點(diǎn)，因此是個(gè)四邊形。
4、橢圓
格式：
skimage
cy和cx為中心點(diǎn)坐標(biāo)，yradius和xradius代表長(zhǎng)短軸。
from
5、貝塞兒曲線
格式：
skimage
y1,x1表示第一個(gè)控制點(diǎn)坐標(biāo)
y2,x2表示第二個(gè)控制點(diǎn)坐標(biāo)
y3,x3表示第三個(gè)控制點(diǎn)坐標(biāo)
weight表示中間控制點(diǎn)的權(quán)重，用于控制曲線的彎曲度。
from
6、畫空心圓
和前面的畫圓是一樣的，只是前面是實(shí)心圓，而此處畫空心圓，只有邊框線。
格式：
skimage
yx,yc是圓心坐標(biāo)，radius是半徑
from
7、空心橢圓
格式：
skimage
cy,cx表示圓心
yradius,xradius表示長(zhǎng)短軸
from
基本形態(tài)學(xué)濾波
對(duì)圖像進(jìn)行形態(tài)學(xué)變換。變換對(duì)象一般為灰度圖或二值圖，功能函數(shù)放在morphology子模塊內(nèi)。
1、膨脹（dilation)
原理：一般對(duì)二值圖像進(jìn)行操作。找到像素值為1的點(diǎn)，將它的鄰近像素點(diǎn)都設(shè)置成這個(gè)值。1值表示白，0值表示黑，因此膨脹操作可以擴(kuò)大白色值范圍，壓縮黑色值范圍。一般用來擴(kuò)充邊緣或填充小的孔洞。
功能函數(shù)：
None
selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。
from
分別用邊長(zhǎng)為5或15的正方形濾波器對(duì)棋盤圖片進(jìn)行膨脹操作，結(jié)果如下：
可見濾波器的大小，對(duì)操作結(jié)果的影響非常大。一般設(shè)置為奇數(shù)。
除了正方形的濾波器外，濾波器的形狀還有一些，現(xiàn)列舉如下：
morphology
注意，如果處理圖像為二值圖像（只有0和1兩個(gè)值），則可以調(diào)用：
None
用此函數(shù)比處理灰度圖像要快。
2、腐蝕（erosion)
函數(shù)：
None
selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。
和膨脹相反的操作，將0值擴(kuò)充到鄰近像素。擴(kuò)大黑色部分，減小白色部分。可用來提取骨干信息，去掉毛刺，去掉孤立的像素。
from
注意，如果處理圖像為二值圖像（只有0和1兩個(gè)值），則可以調(diào)用：
None
用此函數(shù)比處理灰度圖像要快。
3、開運(yùn)算（opening)
函數(shù)：
None
selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。
先腐蝕再膨脹，可以消除小物體或小斑塊。
from
注意，如果處理圖像為二值圖像（只有0和1兩個(gè)值），則可以調(diào)用：
None
用此函數(shù)比處理灰度圖像要快。
4、閉運(yùn)算（closing)
函數(shù)：
None
selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。
先膨脹再腐蝕，可用來填充孔洞。
from
注意，如果處理圖像為二值圖像（只有0和1兩個(gè)值），則可以調(diào)用：
None
用此函數(shù)比處理灰度圖像要快。
5、白帽（white-tophat)
函數(shù)：
None
selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。
將原圖像減去它的開運(yùn)算值，返回比結(jié)構(gòu)化元素小的白點(diǎn)
from
6、黑帽（black-tophat)
函數(shù)：
None
selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。
將原圖像減去它的閉運(yùn)算值，返回比結(jié)構(gòu)化元素小的黑點(diǎn)，且將這些黑點(diǎn)反色。
from
高級(jí)濾波
本文提供更多更強(qiáng)大的濾波方法，這些方法放在filters.rank子模塊內(nèi)。
這些方法需要用戶自己設(shè)定濾波器的形狀和大小，因此需要導(dǎo)入morphology模塊來設(shè)定。
1、autolevel
這個(gè)詞在photoshop里面翻譯成自動(dòng)色階，用局部直方圖來對(duì)圖片進(jìn)行濾波分級(jí)。
該濾波器局部地拉伸灰度像素值的直方圖，以覆蓋整個(gè)像素值范圍。
格式：
skimage
selem表示結(jié)構(gòu)化元素，用于設(shè)定濾波器。
from
2、bottomhat 與 tophat
bottomhat: 此濾波器先計(jì)算圖像的形態(tài)學(xué)閉運(yùn)算，然后用原圖像減去運(yùn)算的結(jié)果值，有點(diǎn)像黑帽操作。
bophat: 此濾波器先計(jì)算圖像的形態(tài)學(xué)開運(yùn)算，然后用原圖像減去運(yùn)算的結(jié)果值，有點(diǎn)像白帽操作。
格式：
skimage
selem表示結(jié)構(gòu)化元素，用于設(shè)定濾波器。
下面是bottomhat濾波的例子：
from
3、enhance_contrast
對(duì)比度增強(qiáng)。求出局部區(qū)域的最大值和最小值，然后看當(dāng)前點(diǎn)像素值最接近最大值還是最小值，然后替換為最大值或最小值。
函數(shù)：
enhance_contrast(image, selem）
selem表示結(jié)構(gòu)化元素，用于設(shè)定濾波器。
from
4、entropy
求局部熵，熵是使用基為2的對(duì)數(shù)運(yùn)算出來的。該函數(shù)將局部區(qū)域的灰度值分布進(jìn)行二進(jìn)制編碼，返回編碼的最小值。
函數(shù)格式：
entropy(image, selem）
selem表示結(jié)構(gòu)化元素，用于設(shè)定濾波器。
from
5、equalize
均衡化濾波。利用局部直方圖對(duì)圖像進(jìn)行均衡化濾波。
函數(shù)格式：
equalize(image, selem）
selem表示結(jié)構(gòu)化元素，用于設(shè)定濾波器。
from
6、gradient
返回圖像的局部梯度值（如：最大值-最小值），用此梯度值代替區(qū)域內(nèi)所有像素值。
函數(shù)格式：
gradient(image, selem）
selem表示結(jié)構(gòu)化元素，用于設(shè)定濾波器。
from
7、其它濾波器
濾波方式很多，下面不再一一詳細(xì)講解，僅給出核心代碼，所有的函數(shù)調(diào)用方式都是一樣的。
最大值濾波器（maximum):返回圖像局部區(qū)域的最大值，用此最大值代替該區(qū)域內(nèi)所有像素值。
dst =sfr.maximum(img, disk(5))
最小值濾波器（minimum)：返回圖像局部區(qū)域內(nèi)的最小值，用此最小值取代該區(qū)域內(nèi)所有像素值。
dst =sfr.minimum(img, disk(5))
均值濾波器（mean) : 返回圖像局部區(qū)域內(nèi)的均值，用此均值取代該區(qū)域內(nèi)所有像素值。
dst =sfr.mean(img, disk(5))
中值濾波器（median): 返回圖像局部區(qū)域內(nèi)的中值，用此中值取代該區(qū)域內(nèi)所有像素值。
dst =sfr.median(img, disk(5))
莫代爾濾波器（modal) : 返回圖像局部區(qū)域內(nèi)的modal值，用此值取代該區(qū)域內(nèi)所有像素值。
dst =sfr.modal(img, disk(5))
otsu閾值濾波（otsu): 返回圖像局部區(qū)域內(nèi)的otsu閾值，用此值取代該區(qū)域內(nèi)所有像素值。
dst =sfr.otsu(img, disk(5))
閾值濾波（threshhold): 將圖像局部區(qū)域中的每個(gè)像素值與均值比較，大于則賦值為1，小于賦值為0，得到一個(gè)二值圖像。
dst =sfr.threshold(img, disk(5))
減均值濾波（subtract_mean): 將局部區(qū)域中的每一個(gè)像素，減去該區(qū)域中的均值。
dst =sfr.subtract_mean(img, disk(5))
求和濾波（sum) :求局部區(qū)域的像素總和，用此值取代該區(qū)域內(nèi)所有像素值。
dst =sfr.sum(img, disk(5))總結(jié)
以上是生活随笔為你收集整理的图像处理-skimage-滤波-分割的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Perl学习之四：语句(续)
- 下一篇： yolov3上采样和下采样的理解