圖片分割是圖像處理中的一個(gè)重要任務(wù)，它的目標(biāo)是將圖像劃分為多個(gè)區(qū)域或者對象，例如分割出物體、前景背景或特定的部分。在 Python 中，常用的圖片分割方法包括傳統(tǒng)的圖像處理技術(shù)（例如閾值分割、區(qū)域生長等）和深度學(xué)習(xí)技術(shù)（例如基于預(yù)訓(xùn)練模型的語義分割或?qū)嵗指睿?。以下是詳?xì)介紹和示例代碼：

1. 基于傳統(tǒng)圖像處理的分割方法

(1) 使用固定閾值分割圖片

使用 OpenCV 的閾值處理來將前景和背景分離。適合簡單的二值圖像。

import cv2
import numpy as np
# 加載圖片
image = cv2.imread('image.jpg', 0)  # 以灰度加載圖片
# 應(yīng)用二值化閾值分割
_, binary = cv2.threshold(image, 128, 255, cv2.THRESH_BINARY)

# 顯示分割結(jié)果
cv2.imshow('Original Image', image)
cv2.imshow('Binary Image', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

參數(shù)說明：

128 是閾值，低于此值的像素設(shè)置為 0，高于閾值的設(shè)置為 255。

cv2.THRESH_BINARY 是二值化模式。

(2) 自適應(yīng)閾值分割

適合光照不均的情況，使用局部區(qū)域的像素值計(jì)算閾值。

import cv2

# 加載圖片
image = cv2.imread('image.jpg', 0)
# 自適應(yīng)閾值分割
binary_adaptive = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY, 11, 2)
# 顯示分割結(jié)果
cv2.imshow('Adaptive Threshold', binary_adaptive)
cv2.waitKey(0)
cv2.destroyAllWindows()

參數(shù)說明：

cv2.ADAPTIVE_THRESH_GAUSSIAN_C 使用高斯加權(quán)的鄰域計(jì)算閾值。

11 是鄰域大小。

2 是閾值偏移。

(3) 使用圖像邊緣檢測分割

通過檢測圖像的邊緣將不同的區(qū)域分離。

import cv2

# 加載圖片
image = cv2.imread('image.jpg', 0)
# 使用Canny邊緣檢測
edges = cv2.Canny(image, 100, 200)
# 顯示邊緣分割結(jié)果
cv2.imshow('Edge Detection', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

參數(shù)說明：

100 是低閾值，200 是高閾值，用于檢測邊緣。

(4) 基于 K-Means 的聚類分割

可以將圖像的顏色或亮度聚類為K個(gè)類別，適合彩色圖像分割。

import cv2
import numpy as np

# 加載圖片
image = cv2.imread('image.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
Z = image.reshape((-1, 3))  # 將圖像從二維展開為一維

# 使用 K-Means 聚類
Z = np.float32(Z)
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 3  # 聚類數(shù)
_, labels, centers = cv2.kmeans(Z, K, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
# 將聚類結(jié)果映射回圖像
centers = np.uint8(centers)
segmented_image = centers[labels.flatten()]
segmented_image = segmented_image.reshape(image.shape)
# 顯示分割結(jié)果
import matplotlib.pyplot as plt
plt.imshow(segmented_image)
plt.show()

參數(shù)說明：

K 是分割的顏色聚類數(shù)，譬如設(shè)置為3會(huì)將圖像分割成3種顏色區(qū)域。

2. 深度學(xué)習(xí)分割方法

對于復(fù)雜分割任務(wù)，深度學(xué)習(xí)可以提供更高的精度。典型方法包括使用預(yù)訓(xùn)練的分割模型（如 DeepLab、Mask R-CNN 等）。

(1) 使用 OpenCV DNN 模塊加載預(yù)訓(xùn)練的 DeepLabV3+ 模型

DeepLabV3+ 是一種流行的語義分割模型。

import cv2
import numpy as np

# 加載 DeepLabV3+ 模型
net = cv2.dnn.readNetFromTensorflow('deeplabv3.pb')

# 加載圖像
image = cv2.imread('image.jpg')
blob = cv2.dnn.blobFromImage(image, scalefactor=1.0/255, size=(513, 513),
                             mean=(127.5, 127.5, 127.5), swapRB=True, crop=False)

# 推理
net.setInput(blob)
output = net.forward()
# 解析結(jié)果
segmentation_map = np.argmax(output[0], axis=0)
# 顯示分割結(jié)果
segmentation_map = cv2.resize(segmentation_map.astype(np.uint8), (image.shape[1], image.shape[0]))
cv2.imshow("Segmentation Map", segmentation_map)
cv2.waitKey(0)
cv2.destroyAllWindows()

(2) 使用 PyTorch 或 TensorFlow 加載分割模型

如果需要靈活的操作，可以使用深度學(xué)習(xí)框架加載分割模型進(jìn)行推理。

import torch
from torchvision import models
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt

???????# 加載預(yù)訓(xùn)練的 DeepLabV3 模型
model = models.segmentation.deeplabv3_resnet101(pretrained=True)
model.eval()
# 加載圖片并預(yù)處理
image = Image.open("image.jpg")
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Resize((520, 520)),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])
input_image = transform(image).unsqueeze(0)
# 推理
output = model(input_image)['out'][0]
segmentation_map = torch.argmax(output, dim=0).numpy()
# 顯示分割結(jié)果
plt.imshow(segmentation_map)
plt.show()

cv2.threshold(), cv2.adaptiveThreshold(), cv2.Canny(),cv2.kmeans() 函數(shù)詳解

1.cv2.threshold()

作用：圖像二值化，將灰度圖像轉(zhuǎn)為黑白圖像或多級(jí)閾值圖像。

retval, dst = cv2.threshold(src, thresh, maxval, type)

參數(shù)說明：

src: 輸入圖像，必須是灰度圖（單通道，uint8 類型）。

thresh: 閾值，將灰度圖中的像素值與該閾值進(jìn)行比較。

maxval: 如果滿足閾值規(guī)則，輸出像素值將設(shè)置為該值。

type: 閾值類型，有以下幾種：

• 1、cv2.THRESH_BINARY: 大于閾值的像素置為 maxval，否則置為 0。
• 2、cv2.THRESH_BINARY_INV: 小于閾值的像素置為 maxval，否則置為 0。
• 3、cv2.THRESH_TRUNC: 大于閾值的像素置為閾值，否則保持原值。
• 4、cv2.THRESH_TOZERO: 小于閾值的像素置為 0，否則保持原值。
• 5、cv2.THRESH_TOZERO_INV: 大于閾值的像素置為 0，否則保持原值。

主要用途：

圖像二值化（將物體與背景分離）。

特定場景下的簡單圖像分割。

2.cv2.adaptiveThreshold()

作用：圖像局部自適應(yīng)二值化，根據(jù)局部區(qū)域內(nèi)的灰度值確定閾值。這種方法在光照條件不均勻的情況下很有優(yōu)勢。

dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

參數(shù)說明：

src: 輸入圖像，必須是灰度圖。

maxValue: 滿足閾值條件的像素的賦值。

adaptiveMethod: 自適應(yīng)閾值算法，有以下兩種：

cv2.ADAPTIVE_THRESH_MEAN_C: 閾值是局部窗口的平均值減去 C。

cv2.ADAPTIVE_THRESH_GAUSSIAN_C: 閾值是局部窗口的加權(quán)平均值減去 C。

thresholdType: 閾值類型（通常為 cv2.THRESH_BINARY 或 cv2.THRESH_BINARY_INV）。

blockSize: 局部區(qū)域的尺寸，必須為奇數(shù)（如 3、5、11）。

C: 從局部平均值中減去常數(shù) C。

主要用途：

• 圖像自適應(yīng)二值化。
• 光照不均情況下的前景分離。

3.cv2.Canny()

作用：邊緣檢測，采用 Canny 算法從圖像中提取顯著邊緣。

dst = cv2.Canny(image, threshold1, threshold2[, apertureSize[, L2gradient]])

參數(shù)說明：

image: 輸入圖像，需為灰度圖。

threshold1: 較小的閾值，用于邊緣連接。

threshold2: 較大的閾值，用于檢測顯著邊緣。

apertureSize: Sobel 算子的核大小，默認(rèn)值為 3。通常是 3, 5, 7。

L2gradient: 是否使用更精確的 L2 范數(shù)計(jì)算梯度，默認(rèn)為 False

主要用途：

圖像邊緣提取。

準(zhǔn)備圖像分割的輪廓信息。

4.cv2.kmeans()

作用：基于 K-Means 算法對輸入數(shù)據(jù)進(jìn)行聚類，適合圖像顏色分割或亮度分割。

retval, labels, centers = cv2.kmeans(data, K, bestLabels, criteria, attempts, flags)

參數(shù)說明：

data: 輸入數(shù)據(jù)（通常是圖像的像素值矩陣，需轉(zhuǎn)換為 np.float32）。

K: 聚類數(shù)，即分割的類別數(shù)量。

bestLabels: 初始標(biāo)簽（通常為 None）。

criteria: K-Means 的終止條件，例如迭代次數(shù)或誤差：

(cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, max_iter, epsilon)。

max_iter 是最大迭代次數(shù)，epsilon 是誤差容忍度。

attempts: 嘗試執(zhí)行 K-Means 聚類的次數(shù)，輸出至少達(dá)到局部最優(yōu)解。

flags: 初始化中心的方法，常用：

cv2.KMEANS_PP_CENTERS: 使用 K-Means++ 初始化中心點(diǎn)。

cv2.KMEANS_RANDOM_CENTERS: 使用隨機(jī)選擇初始化中心點(diǎn)。

cv2.dnn.blobFromImage(),transforms.Compose()函數(shù)詳解

1.cv2.dnn.blobFromImage()

功能：

cv2.dnn.blobFromImage() 是 OpenCV 的 DNN（深度學(xué)習(xí)）模塊中的方法，用于將輸入圖像轉(zhuǎn)換為深度學(xué)習(xí)模型可以接受的標(biāo)準(zhǔn)化張量（“blob”）。具體包括：

重新調(diào)整圖像大小。

歸一化圖像像素（例如縮放到 [0,1] 或減去均值）。

轉(zhuǎn)換通道順序（例如將圖片從 BGR 轉(zhuǎn)換為 RGB）。

轉(zhuǎn)換維度順序（從 HWC -> CHW，即 [高度, 寬度, 通道] -> [通道, 高度, 寬度]）。

cv2.dnn.blobFromImage(image, scalefactor=1.0, size=(width, height),
                      mean=(meanR, meanG, meanB), swapRB=True, crop=False)

參數(shù)說明：

• image: 輸入圖像，通常是三通道（BGR）圖像或單通道圖像。
• scalefactor: 縮放因子，用于將像素值歸一化。例如，設(shè)置 scalefactor=1/255 將像素值從 [0,255] 縮放到 [0,1]。
• size: 重新調(diào)整后的圖像尺寸，通常根據(jù)模型的輸入需求設(shè)置（如 (224, 224)）。
• mean: 均值，用于歸一化（針對每個(gè)通道減去均值）。例如：(meanR, meanG, meanB)。
• swapRB: 是否交換 R 和 B 通道（將 BGR 轉(zhuǎn)為 RGB），默認(rèn)為 True。
• crop: 是否在調(diào)整大小后裁剪圖像，如果為 True，會(huì)將圖像裁剪到目標(biāo)大小。

返回值：

返回一個(gè)預(yù)處理后的 blob，即一個(gè)多維的 numpy 數(shù)組，形狀通常為：

[batch_size, channels, height, width]

對單張圖像而言，batch_size = 1。

import cv2
# 讀取圖像（通常是 BGR 格式）
image = cv2.imread('image.jpg')
# 創(chuàng)建 blob
blob = cv2.dnn.blobFromImage(image, scalefactor=1/255.0, size=(224, 224),
                             mean=(0, 0, 0), swapRB=True, crop=False)

# 輸出 blob 的形狀：通常為 (1, 3, 224, 224)，對應(yīng) [batch, channels, height, width]
print("Blob shape:", blob.shape)
# 將 blob 傳入模型
# net.setInput(blob)
# output = net.forward()

常見參數(shù)設(shè)置：

• 歸一化：如果模型輸入要求的像素范圍是 [0, 1]，可以通過 scalefactor = 1/255 實(shí)現(xiàn)歸一化。
• 均值減法：一些預(yù)訓(xùn)練模型會(huì)要求每個(gè)通道的均值為特定值，如 (123.68, 116.78, 103.94)（VGG 或 ResNet 等常用）。
• 圖像尺寸：目標(biāo)模型的輸入尺寸通常固定，如 (224, 224) 或 (300, 300)。

2.transforms.Compose()

功能：

transforms.Compose() 是 PyTorch 的 torchvision.transforms 模塊中的方法，用來對圖像數(shù)據(jù)進(jìn)行多步組合式處理，例如裁剪、縮放、歸一化等。它允許將多個(gè)圖像變換操作（transforms）鏈接在一起。

transforms.Compose([transform1, transform2, ..., transformN])

參數(shù)說明：

• transform1, transform2, …, transformN：每個(gè)變換操作都是一個(gè) torchvision.transforms 的實(shí)例。 例如：
• transforms.Resize(size): 縮放圖像到指定大小。
• transforms.CenterCrop(size): 從圖像中央裁剪到指定大小。
• transforms.Normalize(mean, std): 標(biāo)準(zhǔn)化張量，減去均值并除以標(biāo)準(zhǔn)差。
• transforms.ToTensor(): 將圖像從 PIL 格式轉(zhuǎn)換為 PyTorch 張量，并歸一化到 [0, 1] 范圍。
• transforms.RandomHorizontalFlip§: 隨機(jī)水平翻轉(zhuǎn)，概率為 p。

使用場景：

用于對圖像數(shù)據(jù)的批量預(yù)處理，尤其是在訓(xùn)練深度學(xué)習(xí)模型前對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和增強(qiáng)處理。

import torch
from torchvision import transforms
from PIL import Image

# 加載圖像
image = Image.open("image.jpg")
# 定義數(shù)據(jù)變換
data_transforms = transforms.Compose([
    transforms.Resize((224, 224)),                 # 調(diào)整大小到 (224, 224)
    transforms.ToTensor(),                         # 轉(zhuǎn)為 PyTorch 張量
    transforms.Normalize(mean=[0.485, 0.456, 0.406],  # 按通道歸一化 (均值減去)
                         std=[0.229, 0.224, 0.225]) # 按通道歸一化 (標(biāo)準(zhǔn)差除以)
])

???????# 對圖像應(yīng)用變換
tensor_image = data_transforms(image)
# 檢查結(jié)果
print("Tensor shape:", tensor_image.shape)  # 通常為 (3, 224, 224)
print("Tensor values (normalized):", tensor_image)

常用的變換操作：

組合數(shù)據(jù)增強(qiáng)處理示例：

import torchvision.transforms as transforms
from PIL import Image

???????# 加載圖像
image = Image.open("image.jpg")
# 定義數(shù)據(jù)增強(qiáng)變換
data_transforms = transforms.Compose([
    transforms.RandomRotation(30),                      # 隨機(jī)旋轉(zhuǎn) ±30 度
    transforms.RandomHorizontalFlip(p=0.5),             # 隨機(jī)水平翻轉(zhuǎn) 50% 概率
    transforms.ColorJitter(brightness=0.2, contrast=0.3),  # 隨機(jī)調(diào)整亮度和對比度
    transforms.Resize((224, 224)),                      # 調(diào)整大小到 (224, 224)
    transforms.ToTensor(),                              # 轉(zhuǎn)為 PyTorch 張量
])
# 應(yīng)用變換
tensor_image = data_transforms(image)
print("Augmented Tensor Shape:", tensor_image.shape)

cv2.dnn.blobFromImage() vs transforms.Compose()

這兩者主要是針對不同框架的圖像預(yù)處理功能：

cv2.dnn.blobFromImage() ：主要用于 OpenCV DNN 模型，側(cè)重于將輸入格式標(biāo)準(zhǔn)化為深度學(xué)習(xí)模型的張量。

transforms.Compose() ：是 PyTorch 的高級(jí)操作，用于批量構(gòu)造靈活的數(shù)據(jù)增強(qiáng)和標(biāo)準(zhǔn)化流程。

到此這篇關(guān)于Python實(shí)現(xiàn)圖片分割的多種方法總結(jié)的文章就介紹到這了,更多相關(guān)Python圖片分割內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論