python - 如何用光照和噪声对灰度图像进行阈值处理

Question

我正在尝试对具有挑战性噪声的图像进行阈值处理。

.

侧面的数字是尺寸。我尝试了各种标准方法：

ret,thresh1 = cv2.threshold(img,95,255,0) 
#cv2.THRESH_BINARY

thresh2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,7,0.5)
thresh3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,3,1.5)


# Otsu's thresholding after Gaussian filtering
blur = cv2.GaussianBlur(img,(3,3),0)
ret3,th3 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

我想在深灰色区域内分割“较轻”部分（反之亦然）。我玩过各种内核大小和恒定值，但没有什么能给我很好的分割。任何想法我还能尝试什么或如何改善结果？我使用代码得到的一些示例结果是