Rocky的部落格

Hysteresis 閾值分割是一種兩階段的方法，主要用於邊緣檢測。它使用兩個閾值：一個高閾值和一個低閾值。當圖像的某一部分的亮度超過高閾值時，它被視為前景；而當亮度在兩個閾值之間時，只有當這部分與已確定的前景相鄰時，它才被視為前景。這有助於確保邊緣的連續性並消除噪音。

以下是使用 Hysteresis 進行圖像閾值分割的 Python 範例：

from skimage import filters, feature

def hysteresis_thresholding(image, low=0.1, high=0.2):
    """
    Segment an image using Hysteresis thresholding.
    
    Parameters:
    - image: 2D numpy array representing the grayscale image
    - low: lower threshold value
    - high: higher threshold value
    
    Returns:
    - segmented image
    """
    # Compute the Canny edges using Hysteresis thresholding
    edges = feature.canny(image, low_threshold=low, high_threshold=high)
    
    # Convert boolean edges to binary image
    binary_img = (edges * 255).astype(np.uint8)
    
    return binary_img

# Segment the provided image using Hysteresis thresholding
hysteresis_img = hysteresis_thresholding(new_provided_img)

# Display the original and Hysteresis segmented images
fig, ax = plt.subplots(1, 2, figsize=(10, 5))

ax[0].imshow(new_provided_img, cmap='gray')
ax[0].set_title('Original Image')
ax[0].axis('off')

ax[1].imshow(hysteresis_img, cmap='gray')
ax[1].set_title('Hysteresis Thresholded Image')
ax[1].axis('off')

plt.tight_layout()
plt.show()

如上所示，左側是您提供的原始圖像，而右側是使用 Hysteresis 閾值分割得到的結果。

Hysteresis 閾值分割特別適用於邊緣檢測，它考慮了像素之間的空間關係，確保邊緣的連續性。從結果中，您可以看到這種方法是如何提取圖像中的主要邊緣的。

這種方法在消除小的噪音和保持邊緣的完整性方面表現得很好。您可以根據需要進一步調整和優化這個方法。