Python：图像预处理 - 对低对比度图像进行阈值化和二值化以进行斑点检测

Question

我很难对包含黑色背景上的白色斑点的低对比度灰度图像进行阈值化和二值化。 最终，我想计算和测量图像中所有白色斑点的面积。 但是，Otsu 的阈值方法似乎不太适合，因为我的灰度直方图缺少两个清晰的峰值。 是否有可能更适合此类图像的替代阈值方法？

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import skimage
import skimage.filters
from skimage.io import imread, imshow
from skimage.color import rgb2gray, rgb2hsv
from skimage.measure import label, regionprops, regionprops_table
from skimage.filters import threshold_otsu 
from scipy.ndimage import median_filter
from matplotlib.patches import Rectangle
from tqdm import tqdm

这是我的代码：

pic = imread('image.jpg')
imshow(pic)

原始灰度图像：

# blur the image to de-noise

blurred_image = skimage.filters.gaussian(pic, sigma=1.0)

# show the histogram of the blurred image

histogram, bin_edges = np.histogram(blurred_image, bins=256, range=(0.0, 1.0))
fig, ax = plt.subplots()
plt.plot(bin_edges[0:-1], histogram)
plt.title("Graylevel histogram")
plt.xlabel("gray value")
plt.ylabel("pixel count")
plt.xlim(0, 1.0)
plt.show()

灰度直方图：

# perform automatic thresholding

t = skimage.filters.threshold_otsu(blurred_image)
print("Found automatic threshold t = {}.".format(t))

发现自动阈值 t = 0.035040431336474526。

# create a binary mask with the threshold found by Otsu's method

binary_mask = blurred_image > t

fig, ax = plt.subplots()
plt.imshow(binary_mask, cmap="gray")
plt.show()

二进制掩码：

图像中心的白色光晕非常有问题。 有没有办法去噪、阈值和二值化，以便我可以隔离图像中的白色斑点？

Answer 1

鉴于您的图像，斑点是异常值。

从给定的灰度图像gray ，这里有一些措施：

np.max(gray)

89

np.mean(gray)

7.49876

np.median(gray)

6.0

虽然平均值和中位数在 6 到 8 的范围内，但最大值为 89，这意味着那里有一些明亮的像素。 为了获得这些异常值，我将阈值设置为均值 + ( x * standard_deviation)值x是您在存在异常值的情况下选择的值。 对于这张图片，我选择了x = 3

使用 OpenCV 的代码：

# read image in color BGR
img =cv2.imread('Pattern.jpg')
# convert to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# binarize using threshold
thresh = cv2.threshold(gray, int(np.mean(gray) + (np.std(gray) * 3)), 255, cv2.THRESH_BINARY)

阈值： thresh[0] -> 31.0

高于此值的像素为白色：

cv2.imshow('output', thresh[1])

您可以尝试更改x值以获得更好的输出或对上述结果运行中值滤波器