Извличане на изображение на преден план като маска чрез прагове

Търся стабилен начин за извличане на преден план от изображение, където фонът има някакъв шум в него.

И така, изображението, върху което искам да го използвам, е:

Изображение с някакъв фонов шум

Моят опит беше да използвам Otsu thresholding. Направих това в Python, както следва:

from skimage.filter import threshold_otsu
import os.path as path
import matplotlib.pyplot as plt

img = io.imread(path.expanduser('~/Desktop/62.jpg'))
r_t = threshold_otsu(img[:, :, 0])
g_t = threshold_otsu(img[:, :, 1])
b_t = threshold_otsu(img[:, :, 2])

m = np.zeros((img.shape[0], img.shape[1]), dtype=np.uint8)
mask = (img[:, :, 0] < r_t) & (img[:, :, 1] < g_t) & (img[:, :, 2] < b_t)
m[~mask] = 255

plt.imshow(m)
plt.show()

Това дава прага на R, G, B като (62 67 64), което е малко високо. Резултатът е:

Otsu резултат

Това изображение също е едно от изображенията, при които Otsu thresholding работи най-добре. Ако използвам ръчен праг като стойност 30, той работи доста добре. Резултатът е:

Ръководство

Чудех се дали има други подходи, които трябва да опитам. Сегментирането наистина не е моята експертна област и това, което мога да направя извън кутията, изглежда ограничено.


python image-processing image-segmentation scikit-image
person Luca    schedule 03.02.2015    source източник

Отговори (1)


arrow_upward
3
arrow_downward

Вашето изображение не изглежда много цветно. Така че можете да извършите сегментирането върху стойностите на сивото, а не върху всеки цвят поотделно и след това да комбинирате три маски.

Разглеждайки пакета scikit-image.filter, има няколко други прагови метода. Опитах ги всичките и открих, че threshold_isodata се представя изключително добре, давайки почти същото изображение като желаното от вас изображение. Затова препоръчвам алгоритъма за изоданни.

Пример:

import numpy as np
import skimage.io as io
import skimage.filter as filter
import matplotlib.pyplot as plt

img = io.imread('62.jpg')
gray = np.sum(img, axis=2) # summed up over red, green, blue
#threshold = filter.threshold_otsu(gray) # delivers very high threshold
threshold = filter.threshold_isodata(gray) # works extremely well
#threshold = filter.threshold_yen(gray) # delivers even higher threshold
print(threshold)

plt.imshow(gray > threshold)
plt.show()

дава:

въведете описание на изображението тук

person Trilarion    schedule 03.02.2015
comment
Това е доста добре. Ще опитам с някои други изображения и ще видя колко здрав може да бъде. - person Luca; 03.02.2015
comment
@Luca, ако имате други изображения и някои не работят, просто изберете най-лошите три или така и попитайте отново (бих предпочел в нов въпрос). - person Trilarion; 03.02.2015
comment
Благодаря Трилион. Това е много мило от твоя страна. Аз ще. Имам чувството, че мога да го накарам да работи сега - person Luca; 03.02.2015