均勻性度量圖像分割是圖像像素分割的一種方法，當然還有其他很多的方法。這里簡單的介紹下其原理和實現代碼【有源碼】

其流程大概分為一下幾步

1、確定一個閾值

2、計算閾值兩邊的像素個數、占比、以及方差

3、將兩邊的方差和占比想乘再相加

4、循環(huán)1~3的步驟

下面以這個例子為示例做一個演示

計算公式：

閾值為: 1

閾值左邊值為: [1, 1, 0, 0, 0] 均值: 0.08

閾值右邊值為: [3, 9, 9, 8, 2, 3, 7, 3, 3, 6, 6, 4, 6, 8, 2, 5, 2, 9, 2, 6] 均值: 4.12

閾值左邊方差為: 1.712

閾值右邊方差為: 147.76800000000003

方差和比例相乘為: 118.55680000000002

閾值為: 2

閾值左邊值為: [1, 2, 1, 0, 2, 0, 2, 2, 0] 均值: 0.4

閾值右邊值為: [3, 9, 9, 8, 3, 7, 3, 3, 6, 6, 4, 6, 8, 5, 9, 6] 均值: 3.8000000000000007

閾值左邊方差為: 11.440000000000003

閾值右邊方差為: 150.04

方差和比例相乘為: 100.144

閾值為: 3

閾值左邊值為: [1, 3, 2, 1, 3, 3, 3, 0, 2, 0, 2, 2, 0] 均值: 0.8799999999999999

閾值右邊值為: [9, 9, 8, 7, 6, 6, 4, 6, 8, 5, 9, 6] 均值: 3.3200000000000003

閾值左邊方差為: 25.347200000000004

閾值右邊方差為: 186.14879999999997

方差和比例相乘為: 102.53196799999999

閾值為: 4

閾值左邊值為: [1, 3, 2, 1, 3, 3, 3, 0, 4, 2, 0, 2, 2, 0] 均值: 1.0399999999999998

閾值右邊值為: [9, 9, 8, 7, 6, 6, 6, 8, 5, 9, 6] 均值: 3.16

閾值左邊方差為: 31.0624

閾值右邊方差為: 199.56159999999997

方差和比例相乘為: 105.20204799999998

閾值為: 5

閾值左邊值為: [1, 3, 2, 1, 3, 3, 3, 0, 4, 2, 0, 5, 2, 2, 0] 均值: 1.2399999999999998

閾值右邊值為: [9, 9, 8, 7, 6, 6, 6, 8, 9, 6] 均值: 2.96

閾值左邊方差為: 41.18400000000001

閾值右邊方差為: 213.536

方差和比例相乘為: 110.12480000000001

閾值為: 6

閾值左邊值為: [1, 3, 2, 1, 3, 3, 3, 6, 0, 6, 4, 6, 2, 0, 5, 2, 2, 6, 0] 均值: 2.1999999999999997

閾值右邊值為: [9, 9, 8, 7, 8, 9] 均值: 2.0

閾值左邊方差為: 88.96000000000002

閾值右邊方差為: 244.0

方差和比例相乘為: 126.16960000000002

閾值為: 7

閾值左邊值為: [1, 3, 2, 1, 3, 7, 3, 3, 6, 0, 6, 4, 6, 2, 0, 5, 2, 2, 6, 0] 均值: 2.4800000000000004

閾值右邊值為: [9, 9, 8, 8, 9] 均值: 1.7200000000000002

閾值左邊方差為: 103.488

閾值右邊方差為: 237.87199999999996

方差和比例相乘為: 130.3648

閾值為: 8

閾值左邊值為: [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

閾值右邊值為: [9, 9, 9] 均值: 1.08

閾值左邊方差為: 143.4368

閾值右邊方差為: 188.17919999999998

方差和比例相乘為: 148.805888

2

100.144

結論：

最后我們發(fā)現 以像素點為4的來分的時候，兩邊方差與占比的乘積最小，因此最佳閾值就是 【2】

源碼?

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("閾值為:",i)
        print("閾值左邊值為:",num_min_data,"均值:",myMean(num_min_data))
        print("閾值右邊值為:",num_max_data,"  均值:",myMean(num_max_data))
        print("閾值左邊方差為: ",arr_var_min)
        print("閾值右邊方差為: ",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("方差和比例相乘為: ",ratio_last)
        if (ratio_last<min_result):
                min_result = ratio_last
                result_threshold = i

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

到此這篇關于Python圖像分割之均勻性度量法分析的文章就介紹到這了,更多相關Python 均勻性度量法內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論