PIL大津法阈值分割Python代码

[Python]代码    

#coding=utf8
"""
大津法阈值分割:A Threshold Selection Method from Gray-Level Histograms
需要PIL库
"""
import Image
import sys

def sigma(im,i,debug =False):
  """
  阈值为i时,图像im中两组的方差
  """
  c0_p_num = sum(im.histogram()[:i+1])#灰度<=k的像素个数
  c1_p_num = sum(im.histogram()[i+1:])#灰度>k的像素个数
  #计算两部分的总灰度
  c0_g_sum = 0
  for j in range(1,i+1):
    c0_g_sum += j*im.histogram()[j]
    #end for j
  c1_g_sum = 0
  for j in range(i+1,255):
    c1_g_sum += j*im.histogram()[j]
    #end for j
  #计算两部分的各自平均灰度
  try:
    u0 = 1.0*c0_g_sum/c0_p_num
    u1 = 1.0*c1_g_sum/c1_p_num
    #计算两部分的像素比例
    w0 = 1.0*c0_p_num/(c0_p_num+c1_p_num)
  except:
    #可能有的图像没有太高或太低灰度的像素
    return 0
  w1 = 1.0 - w0
  u = (u0-u1)**2
  new_sigma = w0 * w1 *u
  if debug:
    print "%d:\tw0=%f,w1=%f,new_sigma=%f" %(i,w0,w1,new_sigma)
  return new_sigma

def OtsuThreshold(im,debug = False):
  """
  线性查找最大方差,可以考虑用别的搜索算法
  """
  g_level = 0
  g_sigma = 0
  for i in range(1,255):
    new_sigma = sigma(im,i,debug)
    if g_sigma<new_sigma:
      g_sigma = new_sigma
      g_level = i
  #end for i
  return g_level, g_sigma

if __name__=="__main__":
  if len(sys.argv)>1:
    src_file = sys.argv[1]
  else:
    print "USAGE:%s src_file [des_file]" %sys.argv[0]
    sys.exit(1)
  des_file = "OTSU_" + src_file
  if len(sys.argv)>2:
    des_file = sys.argv[2]
  im = Image.open(src_file).convert("L")

  #大津法找阈值
  debug = True
  threshold,max =  OtsuThreshold(im,debug)
  print threshold,max
  
  #根据阈值,分割之
  im = im.point(lambda p: p > threshold and 255)
  im.save(des_file)

  print "DONE: %s--->%s" %(src_file,des_file)

标签： 代码 搜索

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点！
本站所提供的图片等素材，版权归原作者所有，如需使用，请与原作者联系。