使用Python和OpenCV进行视觉图像分割

简介🎁

在图像处理领域，图像分割是一项基础且关键的技术，它涉及到将图像划分为若干个具有特定属性的区域。本文将通过一个实践项目，展示如何使用Python编程语言，结合OpenCV库，对一张玫瑰花的图片进行图像分割。这个项目不仅能够帮助我们理解图像分割的基本概念，还能够提供一个实际的编程示例。

0dayNu1L-CSDN博客

简介🎁

环境准备🚚

项目步骤💂‍♀️

一：选取样本区域

二：计算标准差

三：建立模板图像空间

四：根据模板图像空间分割原图像

显示结果🥘

完整代码 🍠

结论💢

环境准备🚚

在开始之前，请确保你的开发环境中已经安装了Python、NumPy、Matplotlib以及OpenCV（即skimage和io模块）。这些库可以通过pip进行安装。

项目步骤💂‍♀️

一：选取样本区域

首先，我们从图像中选取一个区域作为样本。在这个例子中，我们选择了图像中心的一个正方形区域。

from skimage import data, io
import numpy as np# 读取图像
image = io.imread('flower.jpg')# 选取样本区域
height, width, _ = image.shape
roi_size = 100  # 样本区域的边长
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：计算标准差

接下来，我们计算所选区域红色通道的标准差，这将用于后续的图像分割。

# 提取红色通道并计算标准差
red_channel = roi[:, :, 0]
mean_value = np.mean(red_channel)
std_dev = np.std(red_channel)

三：建立模板图像空间

基于计算出的标准差，我们建立一个模板图像空间，用于区分图像中的不同区域。

# 建立模板图像空间
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]  # 将不符合条件的像素设置为黑色

四：根据模板图像空间分割原图像

最后，我们使用模板图像空间来分割原始图像，得到最终的分割结果。

# 分割原图像
segmented_image = np.where(template_image != 0, image, 0)

显示结果🥘

使用Matplotlib库，我们可以将原始图像、模板图像以及分割后的图像展示出来，以便进行比较。

from matplotlib import pyplot as plt# 显示结果
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()

完整代码 🍠

from skimage import data, io
from matplotlib import pyplot as plt
import numpy as np
import math# 读取图像
image = io.imread(r'flower.jpg')# 一：选取样本区域
# 假设我们选取图像中心的一个正方形区域作为样本区域
height, width, _ = image.shape
roi_size = 100  # 样本区域的边长
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]# 提取红色通道
red_channel = roi[:, :, 0]# 二：计算标准差
mean_value = np.mean(red_channel)
std_dev = np.std(red_channel)# 三：建立模板图像空间
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]  # 将不符合条件的像素设置为黑色# 四：根据模板图像空间分割原图像
segmented_image = np.where(template_image != 0, image, 0)# 显示结果
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()