1

我正在尝试在我的图像上使用 scikit-image 的自适应阈值。我从这里测试了他们的示例代码

import matplotlib.pyplot as plt

from skimage import data
from skimage.filters import threshold_otsu, threshold_adaptive


image = data.page()

global_thresh = threshold_otsu(image)
binary_global = image > global_thresh

block_size = 35
binary_adaptive = threshold_adaptive(image, block_size, offset=10)

fig, axes = plt.subplots(nrows=3, figsize=(7, 8))
ax0, ax1, ax2 = axes
plt.gray()

ax0.imshow(image)
ax0.set_title('Image')

ax1.imshow(binary_global)
ax1.set_title('Global thresholding')

ax2.imshow(binary_adaptive)
ax2.set_title('Adaptive thresholding')

for ax in axes:
    ax.axis('off')

plt.show()

该代码接收一个示例图像，对其进行阈值处理并使用 plt. 但是，我正在尝试检索阈值图像的 numpy 数组。当我尝试cv2.imwrite在变量上使用时binary_global，它不起作用。打印出来时binary_global-- 它实际上是一个由 False 和 True 值而不是数字组成的数组。我不确定 plt 如何使用它并生成图像。无论如何，我如何对图像进行阈值处理并使用 RGB 值检索新的阈值图像数组？

4

1 回答 1

1

您首先需要将 scikit 图像转换为 opencv 才能使用cv2.imwrite().

添加以下更改-

from skimage import img_as_ubyte
import matplotlib.pyplot as plt
from skimage import data
from skimage.filters import threshold_otsu, threshold_adaptive
import cv2


image = data.page()

global_thresh = threshold_otsu(image)
binary_global = image > global_thresh

block_size = 35
binary_adaptive = threshold_adaptive(image, block_size, offset=10)

fig, axes = plt.subplots(nrows=3, figsize=(7, 8))
ax0, ax1, ax2 = axes
plt.gray()

ax0.imshow(image)
ax0.set_title('Image')

ax1.imshow(binary_global)
ax1.set_title('Global thresholding')

ax2.imshow(binary_adaptive)
ax2.set_title('Adaptive thresholding')

for ax in axes:
    ax.axis('off')

plt.show()
img = img_as_ubyte(binary_global)
cv2.imshow("image", img)
cv2.waitKey(0)

然后，您可以使用img写作等。

于 2017-12-06T06:02:24.460 回答