Python图像分割之均匀性度量法分析

均匀性度量图像分割是图像像素分割的一种方法，当然还有其他很多的方法。这里简单的介绍下其原理和实现代码【有源码】

其流程大概分为一下几步

1、确定一个阈值

2、计算阈值两边的像素个数、占比、以及方差

3、将两边的方差和占比想乘再相加

4、循环1~3的步骤

下面以这个例子为示例做一个演示

计算公式：

阈值为: 1

阈值左边值为: [1, 1, 0, 0, 0] 均值: 0.08

阈值右边值为: [3, 9, 9, 8, 2, 3, 7, 3, 3, 6, 6, 4, 6, 8, 2, 5, 2, 9, 2, 6] 均值: 4.12

阈值左边方差为: 1.712

阈值右边方差为: 147.76800000000003

方差和比例相乘为: 118.55680000000002

阈值为: 2

阈值左边值为: [1, 2, 1, 0, 2, 0, 2, 2, 0] 均值: 0.4

阈值右边值为: [3, 9, 9, 8, 3, 7, 3, 3, 6, 6, 4, 6, 8, 5, 9, 6] 均值: 3.8000000000000007

阈值左边方差为: 11.440000000000003

阈值右边方差为: 150.04

方差和比例相乘为: 100.144

阈值为: 3

阈值左边值为: [1, 3, 2, 1, 3, 3, 3, 0, 2, 0, 2, 2, 0] 均值: 0.8799999999999999

阈值右边值为: [9, 9, 8, 7, 6, 6, 4, 6, 8, 5, 9, 6] 均值: 3.3200000000000003

阈值左边方差为: 25.347200000000004

阈值右边方差为: 186.14879999999997

方差和比例相乘为: 102.53196799999999

阈值为: 4

阈值左边值为: [1, 3, 2, 1, 3, 3, 3, 0, 4, 2, 0, 2, 2, 0] 均值: 1.0399999999999998

阈值右边值为: [9, 9, 8, 7, 6, 6, 6, 8, 5, 9, 6] 均值: 3.16

阈值左边方差为: 31.0624

阈值右边方差为: 199.56159999999997

方差和比例相乘为: 105.20204799999998

阈值为: 5

阈值左边值为: [1, 3, 2, 1, 3, 3, 3, 0, 4, 2, 0, 5, 2, 2, 0] 均值: 1.2399999999999998

阈值右边值为: [9, 9, 8, 7, 6, 6, 6, 8, 9, 6] 均值: 2.96

阈值左边方差为: 41.18400000000001

阈值右边方差为: 213.536

方差和比例相乘为: 110.12480000000001

阈值为: 6

阈值左边值为: [1, 3, 2, 1, 3, 3, 3, 6, 0, 6, 4, 6, 2, 0, 5, 2, 2, 6, 0] 均值: 2.1999999999999997

阈值右边值为: [9, 9, 8, 7, 8, 9] 均值: 2.0

阈值左边方差为: 88.96000000000002

阈值右边方差为: 244.0

方差和比例相乘为: 126.16960000000002

阈值为: 7

阈值左边值为: [1, 3, 2, 1, 3, 7, 3, 3, 6, 0, 6, 4, 6, 2, 0, 5, 2, 2, 6, 0] 均值: 2.4800000000000004

阈值右边值为: [9, 9, 8, 8, 9] 均值: 1.7200000000000002

阈值左边方差为: 103.488

阈值右边方差为: 237.87199999999996

方差和比例相乘为: 130.3648

阈值为: 8

阈值左边值为: [1, 3, 8, 2, 1, 3, 7, 3, 3, 6, 0, 6, 4, 6, 8, 2, 0, 5, 2, 2, 6, 0] 均值: 3.12

阈值右边值为: [9, 9, 9] 均值: 1.08

阈值左边方差为: 143.4368

阈值右边方差为: 188.17919999999998

方差和比例相乘为: 148.805888

2

100.144

结论：

最后我们发现 以像素点为4的来分的时候，两边方差与占比的乘积最小，因此最佳阈值就是 【2】

源码 

import numpy as np
#
data = [1, 3, 9, 9, 8,
        2, 1, 3, 7, 3,
        3, 6, 0, 6, 4,
        6, 8, 2, 0, 5,
        2, 9, 2, 6, 0]
# data = [0, 1, 3, 1, 5,
#         7, 8, 9, 7]
max = np.max(data)

length = len(data)

num_min_data = []
num_max_data = []
arr_var = 0
min_result = 1000
result_threshold = 0

def myMean(arrs):
        resultss = 0.0
        data={}
        for i in arrs:
                data[i]= data.get(i,0)+1
        for i in data:
                resultss += i*(data[i]/length)
        return resultss
def fz(arrs):
        results = 0.0
        mean = myMean(arrs)
        for i in arrs:
                results+=(mean-i)**2
        return results

for i in range(1,max):
        num_min_data = []
        num_max_data = []
        for j in range(length):
                if data[j]>i:
                        num_max_data.append(data[j])
                else:
                        num_min_data.append(data[j])
        arr_var_max = fz(num_max_data)
        arr_var_min = fz(num_min_data)
        print("----------------------------------")
        print("阈值为:",i)
        print("阈值左边值为:",num_min_data,"均值:",myMean(num_min_data))
        print("阈值右边值为:",num_max_data,"  均值:",myMean(num_max_data))
        print("阈值左边方差为: ",arr_var_min)
        print("阈值右边方差为: ",arr_var_max)
        ratio_left   = arr_var_min*len(num_min_data) / length
        ratio_right  = arr_var_max*len(num_max_data) / length
        ratio_last = ratio_left+ratio_right
        print("方差和比例相乘为: ",ratio_last)
        if (ratio_last<min_result):
                min_result = ratio_last
                result_threshold = i

print("*"*50)
print(result_threshold)
print(min_result)
 

到此这篇关于Python图像分割之均匀性度量法分析的文章就介绍到这了,更多相关Python 均匀性度量法内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！