numpy自适应阈值公式

Question

我正在尝试基于灰度图像（点值为0到255的numpy 2D数组）计算阈值。

公式如下：

等式http://www.sciweavers.org/tex2img.php?eq=T%3D%202%2F%28w%2Ah%29%20%5Csum_%7Bi%3D0%7D%5E%7Bw-1%7D%20 ％5Csum_％7BJ％3D0％7D％5E％7BH-1％7D％20S％28I％2Cj％29＆BC =白色＆FC =黑与IM = JPG＆FS = 12＆FF = AREV＆编辑= 0

其中w，h是我的图像S的宽度和高度，而S（i，j）是该点的值。

我的实现如下：

h,w = sMap.shape
adapTresh = np.sum(sMap)*2/(w*h)

但是对于我的某些图像来说，总数返回> 255，所以我认为某处存在问题，我是否再次使用numpy错误？

我对Python不熟悉，我是2天前开始的，所以如果这是一个愚蠢的问题，请原谅我。

print w,h
>> 411,410
print 2/(w*h), np.sum(sMap), adapTresh
>> 0 22461727 266

Answer 1

矩阵中所有单元的平均值为：

avg = np.sum(sMap) / (w * h)

在极端情况下，所有像元等于255，这样

avg = 255

例如

In [8]: M = 255 * np.ones(4).reshape((2,2))

In [12]: M
Out[12]: 
array([[ 255.,  255.],
       [ 255.,  255.]])

In [9]: M.sum() * (2.0 / sum(M.shape))
Out[9]: 510.0

因此，我认为您的自适应阈值函数只是错误的。 你可能打算

In [11]: M.sum() / sum(M.shape)
Out[11]: 255.0