问题标签 [image-thresholding]

我需要对已经通过同态滤波器的图像应用阈值。

我的阈值必须是图像强度的平均值+标准差。

我使用Jan Motl 的阈值代码如下：

我使用了来自 Steve Eddins 的同态过滤器代码，如下所示，

但是输出完全是黑色的，

我应该怎么做才能解决这个问题？

我想使用深度阈值从深度图像中分割手。我使用了这个链接中的这个 kinect 和跳跃数据集-

http://lttm.dei.unipd.it/downloads/gesture/

我尝试了这两个代码，但在这两种情况下我得到的输出都是全黑图像。原始 .png 图像是

我从数据集中的 1_depth.bin 文件中选择了深度值。

代码 1

代码 2

我得到的输出是

请告诉我这段代码有什么问题以及为什么我没有得到任何结果？

我是 Python 和编码的新手。我有一个 .fits 图像，其中包含具有一系列值的像素。我想在这张图片中找到符合要求的像素：

1) 像素值高于阈值 6900。

2) 如果满足 (1)，则像素具有可能的最低 y 坐标。

也就是说，如果我发现我的图像有 100 个像素值 > 6900，我希望在这 100 个像素中找到最接近图像底部的像素。

我通过添加我在下面包含的阈值规则来实现第一部分：

但是，我很难实现（2）。numpy 中是否有一个命令可以识别高于某个阈值的像素的最小可能 y 坐标？

非常感谢！

我有一个图像，我想在一个圆形区域内对图像的一部分进行阈值处理，然后在该区域之外对图像的其余部分进行阈值处理。

不幸的是，我的尝试似乎是对整个图像进行阈值处理，而忽略了蒙版。如何正确实现这一目标？请参阅下面的代码尝试。

工作解决方案：

对图像进行二值化时遇到问题：

图片中的walker在二值化后就丢失了。有人可以提供帮助吗？这是我使用的代码：

我是图像处理的初学者。我从 opencv 开始。现在我有一个根本的困惑。一种是阈值，一种是图像变换。我对这两个部分感到困惑。到目前为止，我已经了解了几件事：1.输入图像必须转换为灰度。2. 之后必须消除噪音。2.1 现在要去除噪音我应该使用阈值还是 DFT 技术，当我阅读时，它们都用于去除噪音。

我的理解对吗？请指导我。

谢谢

上的文档THRESH_BINARY说：

dst(x,y) = maxval if src(x,y) > thresh else 0

对我来说，这并不意味着这不适用于彩色图像。即使应用于彩色图像，我也希望有两种颜色的输出，但输出是多色的。为什么？x,y当像素被分配的可能值是maxval且0仅是时，这怎么可能？

例子：

我已经实现了Vincent 和 Soille在 1991 年的一篇论文中提出的无标记（所以不像 OpenCV）分水岭算法 。 我还实现了一个距离变换算法，以便在分水岭之前应用它。

它在很多情况下都能很好地工作，但有时会产生一点过度分割。我还通过对距离变换图像进行高斯滤波来纠正其中的一些问题。

我计划通过对流域应用阈值来纠正这个问题。因此，考虑仅高于阈值的某个高度的分水岭

考虑到这篇论文已经很老了（1991 年），我想知道是否有人知道论文或资源可以解释类似于我打算做的事情。

笔记：

1）我没有使用 OpenCV。我正在从论文中自己实施

2）我要进行无标记的分水岭。

我想对 NTU-Microsoft-Kinect-HandGesture 数据集中提供的深度文本文件进行深度阈值处理和其他处理。我无法在此问题中附加文本文件。因此，它的链接如下：

http://web.cs.ucla.edu/~zhou.ren/

该数据集位于上述链接中的论文“基于Finger-Earth Mover's Distance with a Commodity Depth Camera的Robust Hand Gesture Recognition”之下。

我知道如何打开、读取然后处理包含深度值的 .bin 文件，但我无法对给定数据集中的文本文件执行相同的操作。

我最近一直在研究角膜内皮细胞的分割过程，我发现了一篇相当不错的论文，描述了执行该分割过程并取得了不错的结果。我一直在尝试遵循那篇论文并使用 scikit-image 和 openCV 来实现它，但我被困在了分水岭分割上。

我将简要描述该过程应该如何：

首先，你有原始的内皮细胞图像 原始图像

然后，他们指示您执行形态灰度重建，以便稍微调整图像的灰度（但是，他们没有解释如何获取灰度的标记，所以我一直在鬼混并试图自己买一些）

这就是重建的图像应该看起来的样子： 期望的重建

这就是我重建的图像（让我们将其标记为r）的样子： 我的重建

目的是使用重建的图像来获得分水岭分割的标记，我们该怎么做？！我们得到原始图像（让我们将其标记为f ），并在 ( f - r )中执行阈值以提取单元格的 h 圆顶，即我们的标记。

这是 hdomes 图像应该看起来的样子： 所需的 hdomes

这是我的 hdomes 图像的样子： 我的 hdomes

我相信我得到的 hdome 和他们的一样好，所以，最后一步是最终对原始图像进行分水岭分割，使用我们一直在努力获得的 hdome！

作为输入图像，我们将使用反转的原始图像，作为标记，我们的标记。

这是被删除的输出：

期望的输出

但是，我只得到一个黑色图像，每个像素都是黑色的，我不知道发生了什么......我也尝试使用他们的标记和倒置图像，但是，也得到黑色图像。我一直在使用的论文是Luc M. Vincent、Barry R. Masters，“角膜内皮细胞图像的形态图像处理和网络分析”，Proc。间谍 1769

我为长文本道歉，但是我真的很想详细解释到目前为止我的理解的一切，顺便说一句，我已经尝试从 scikit-image 和 opencv 进行分水岭分割，两者都给了我黑色图像。

这是我一直在使用的以下代码

谢谢！