快捷導航

使用Python和OpenCV進行視覺圖像分割的代碼示例

更新時間：2025年01月08日 09:44:18 作者：0dayNu1L

在圖像處理領(lǐng)域,圖像分割是一項基礎(chǔ)且關(guān)鍵的技術(shù),它涉及到將圖像劃分為若干個具有特定屬性的區(qū)域,本文將通過一個實踐項目,展示如何使用Python編程語言,結(jié)合OpenCV庫,對一張玫瑰花的圖片進行圖像分割,需要的朋友可以參考下

環(huán)境準備

在開始之前，請確保你的開發(fā)環(huán)境中已經(jīng)安裝了Python、NumPy、Matplotlib以及OpenCV（即skimage和io模塊）。這些庫可以通過pip進行安裝。

項目步驟

一：選取樣本區(qū)域

首先，我們從圖像中選取一個區(qū)域作為樣本。在這個例子中，我們選擇了圖像中心的一個正方形區(qū)域。

from skimage import data, io
import numpy as np
 
# 讀取圖像
image = io.imread('flower.jpg')
 
# 選取樣本區(qū)域
height, width, _ = image.shape
roi_size = 100  # 樣本區(qū)域的邊長
roi_center_x = width // 2
roi_center_y = height // 2
roi = image[roi_center_y - roi_size//2:roi_center_y + roi_size//2,
             roi_center_x - roi_size//2:roi_center_x + roi_size//2]

二：計算標準差

接下來，我們計算所選區(qū)域紅色通道的標準差，這將用于后續(xù)的圖像分割。

# 提取紅色通道并計算標準差
red_channel = roi[:, :, 0]
mean_value = np.mean(red_channel)
std_dev = np.std(red_channel)

三：建立模板圖像空間

基于計算出的標準差，我們建立一個模板圖像空間，用于區(qū)分圖像中的不同區(qū)域。

# 建立模板圖像空間
template_image = np.zeros_like(image, dtype='uint8')
for y in range(height):
    for x in range(width):
        if abs(image[y, x, 0] - mean_value) <= std_dev:
            template_image[y, x] = image[y, x]
        else:
            template_image[y, x] = [0, 0, 0]  # 將不符合條件的像素設(shè)置為黑色

四：根據(jù)模板圖像空間分割原圖像

最后，我們使用模板圖像空間來分割原始圖像，得到最終的分割結(jié)果。

# 分割原圖像
segmented_image = np.where(template_image != 0, image, 0)

顯示結(jié)果

使用Matplotlib庫，我們可以將原始圖像、模板圖像以及分割后的圖像展示出來，以便進行比較。

from matplotlib import pyplot as plt
 
# 顯示結(jié)果
plt.figure(figsize=(12, 6))
plt.subplot(1, 3, 1)
plt.title('Original Image')
plt.imshow(image)
plt.axis('off')
 
plt.subplot(1, 3, 2)
plt.title('Template Image')
plt.imshow(template_image)
plt.axis('off')
 
plt.subplot(1, 3, 3)
plt.title('Segmented Image')
plt.imshow(segmented_image)
plt.axis('off')
 
plt.show()

完整代碼

from skimage import data, io
from matplotlib import pyplot as plt
import numpy as np
import math
 
# 讀取圖像
image = io.imread(r'flower.jpg')
 
# 一：選取樣本區(qū)域
# 假設(shè)我們選取圖像中心的一個正方形區(qū)域作為樣本區(qū)域
height, width, _ = image.shape
roi_size = 100  # 樣本區(qū)域的邊長
roi_center_x = width // 2
roi_center_y = height // 2
roi = image[roi_center_y - roi_size//2:roi_center_y + roi_size//2,
            roi_center_x - roi_size//2:roi_center_x + roi_size//2]
 
# 提取紅色通道
red_channel = roi[:, :, 0]
 
# 二：計算標準差
mean_value = np.mean(red_channel)
std_dev = np.std(red_channel)
 
# 三：建立模板圖像空間
r1_d = std_dev
template_image = np.zeros_like(image, dtype='uint8')
for y in range(height):
    for x in range(width):
        if abs(image[y, x, 0] - mean_value) <= r1_d:
            template_image[y, x] = image[y, x]
        else:
            template_image[y, x] = [0, 0, 0]  # 將不符合條件的像素設(shè)置為黑色
 
# 四：根據(jù)模板圖像空間分割原圖像
segmented_image = np.where(template_image != 0, image, 0)
 
# 顯示結(jié)果
plt.figure(figsize=(12, 6))
plt.subplot(1, 3, 1)
plt.title('Original Image')
plt.imshow(image)
plt.axis('off')
 
plt.subplot(1, 3, 2)
plt.title('Template Image')
plt.imshow(template_image)
plt.axis('off')
 
plt.subplot(1, 3, 3)
plt.title('Segmented Image')
plt.imshow(segmented_image)
plt.axis('off')
 
plt.show()

結(jié)論

通過這個項目，我們學習了如何使用Python和OpenCV進行圖像分割。這個過程涉及到了樣本區(qū)域的選擇、標準差的計算、模板圖像空間的建立以及最終的圖像分割。這個技術(shù)在許多領(lǐng)域都有廣泛的應(yīng)用，比如醫(yī)學影像分析、自動駕駛車輛的視覺系統(tǒng)等。希望這個項目能夠為你提供一些啟發(fā)和幫助。

以上就是使用Python和OpenCV進行視覺圖像分割的代碼示例的詳細內(nèi)容，更多關(guān)于Python OpenCV視覺圖像分割的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: