少有人走的路

阈值分割引言

阈值分割有非常多的算法，大体上分为全局和局部算法。
全局算法包括全局固定阈值和基于图像直方图的阈值，局部算法包括局部动态阈值分割。
基于图像直方图阈值分割的方法也有很多，比如常规的高斯滤波双峰法，OTSU大津法。
但是这类所有的法都基于一个假设：图像是有前景和背景的，待分割目标处于背景中，即图像直方图是双峰的。
如果因为非均匀光照导致待分割目标不处于背景或前景中，即图像直方图无双峰，
那么基于图像直方图的所有法都是不甚理想的
只能在此基础上进行一定的变换，例如nbl算法等，这些都属于局部算法。

任何算法，都会基于假设空间的。没有假设空间，所有算法性能一致。包括经典算法和深度学习算法。

本系列的贴子勇哥通过实验来细品它们之间的差别，以求以后可以精准应用。

这个例子是基于算子class_2dim_unsup做图片分割。

原型如下：

class_2dim_unsup(Image1, Image2 : Classes : Threshold, NumClasses : )

前两个参数是输入图像；第三个参数是输出的类别；

第四个参数是到聚类中心的最大允许距离；第五个参数是分成多少个类别。

class_2dim_unsup使用两个单通道图像执行分类。
首先，计算两个图像的二维直方图（ histo_2dim）。
在此直方图中，提取出第一个最大值；它是第一个集群中心。
使用两个图像的域的交集计算直方图（请参见reduce_domain）。
此后，图像中所有阈值最大的像素 确定最大范数中距聚类中心的像素。
这些像素形成一个输出区域。接下来，将如此分类的像素从直方图中删除，以便在下一类中不考虑它们。
在此修改后的直方图中，再次提取最大值；它再次充当集群中心。
以上步骤重复NumClasses次；因此，将得出NumClasses输出区域。
仅返回两个图像中定义的像素。

演示代码：

read_image (Image, 'patras')
dev_close_window ()
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, 'white', WindowID)
decompose3 (Image, Red, Green, Blue)
dev_display (Red)
dev_set_draw ('fill')
dev_set_colored (6)
dev_display (Red)
*square表示正方形掩膜；5表示正方形边长；mirrored表示镜像，也就是边界区域，
*掩膜会超出图像区域的像素值使用镜像给与补充。
median_image (Red, RedMedian, 'square', 5, 'mirrored')
median_image (Blue, BlueMedian, 'square', 5, 'mirrored')
*第四个参数是到聚类中心的最大允许距离；第五个参数是分成多少个类别。
class_2dim_unsup (RedMedian, BlueMedian, Classes, 30, 3)

目前这个分割方式还没找到适合的应用。如果有好例子勇哥会在这里跟贴介绍。

--------------------- 

作者：hackpig

来源：www.skcircle.com

版权声明：本文为博主原创文章，转载请附上博文链接！

本文出自勇哥的网站《少有人走的路》wwww.skcircle.com，转载请注明出处！讨论可扫码加群：