二值化图像数据

Question

我做了10次来自BrainWeb的灰阶脑部核磁共振扫描。它们以4d numpy数组brains的形式存储，其形状为(10, 181, 217, 181)。这10个大脑中的每一个都是由181片沿z平面(穿过头顶到颈部)组成，在x(耳对耳)和y(从头到后)平面上，每一层分别是181像素乘217像素。

所有的大脑都是dtype('float64')型。所有大脑的最大像素强度是~1328，最小的是~0。例如，对于第一个大脑，我用brains[0].max() giving 1328.338086605072和brains[0].min() giving 0.0003886114541273855来计算。下面是一个brain[0]片的一个图

​

​

我想通过将像素强度从[0, 1328] 重标到 {0, 1}.来对所有这些脑图像进行二值化。是我的方法对吗？

为此，我首先将像素强度标准化为[0, 1]：

normalized_brains = brains/1328 

然后使用二项分布对每个像素进行二值化：

binarized_brains = np.random.binomial(1, (normalized_brains))

所绘制的结果看起来是正确的：

​

​

0像素强度代表黑色(背景)，1像素强度代表白色(大脑)。

我尝试了另一种方法来规范来自这个职位的图像，但它只给了我一个黑色的图像。这是因为np.finfo(np.float64)是1.7976931348623157e+308，所以规范化步骤

normalized_brains = brains/1.7976931348623157e+308

刚刚返回了一个零数组，在二进制化步骤中，这也导致了一个零数组。

我用正确的方法对图像进行二值化吗？

Answer 1

将图像转换为二值图像的方法基本上相当于随机抖动，这是在二进制介质上创建灰色值错觉的糟糕方法。老式印刷术是一种二元媒介，它们经过几个世纪的精细调整，在印刷品中表现出灰色价值的照片。这一过程被称为半调，部分是由纸张上油墨的性质形成的，我们不需要在二值图像中处理。

那么，人们想出了什么方法在印刷之外呢？有序抖动(主要为拜耳矩阵)和误差扩散抖动。在维基百科上阅读更多关于抖动的信息。几年前我写了一个博客文章展示了如何在MATLAB中实现所有这些方法。。

我建议您在特定的应用程序中使用错误扩散抖动。下面是MATLAB中为算法编写的一些代码(摘自我上面喜欢的博客文章)，我希望您可以将其翻译成Python：

img = imread('https://i.stack.imgur.com/d5E9i.png');
img = img(:,:,1);

out = double(img);
sz = size(out);
for ii=1:sz(1)
   for jj=1:sz(2)
      old = out(ii,jj);
      %new = 255*(old >= 128); % Original Floyd-Steinberg
      new = 255*(old >= 128+(rand-0.5)*100); % Simple improvement
      out(ii,jj) = new;
      err = new-old;
         if jj<sz(2)
            % right
            out(ii  ,jj+1) = out(ii  ,jj+1)-err*(7/16);
         end
      if ii<sz(1)
         if jj<sz(2)
            % right-down
            out(ii+1,jj+1) = out(ii+1,jj+1)-err*(1/16);
         end
            % down
            out(ii+1,jj  ) = out(ii+1,jj  )-err*(5/16);
         if jj>1
            % left-down
            out(ii+1,jj-1) = out(ii+1,jj-1)-err*(3/16);
         end
      end
   end
end

imshow(out)

​

​

在应用抖动之前对图像进行重新采样大大提高了结果：

img = imresize(img,4);
% (repeat code above)
imshow(out)

​

​

注意到，上面的进程期望输入在0,255范围内。很容易适应不同的范围，比如0,1328或0,1，但也很容易将图像缩放到0,255范围。

Answer 2

你试过图像的阈值了吗？

这是一个用于图像二值化的共同方式，而不是试图应用随机的二项分布。你可以尝试这样的方法：

binarized_brains = (brains > threshold_value).astype(int)

它根据图像值是否小于或大于所选阈值返回0和1s数组。

您将不得不试验阈值为您的图像找到最佳的阈值，但它不需要首先规范化。

如果这不能很好地工作，您也可以尝试使用skimage滤波器包中可用的阈值选项。

Answer 3

IT is easy in OpenCV. as mentioned a very common way is defining a threshold, But your result looks like you are allocating random values to your intensities instead of thresholding it. 

import cv2
im = cv2.imread('brain.png', cv2.CV_LOAD_IMAGE_GRAYSCALE)
(th, brain_bw) = cv2.threshold(imy, 128, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
th = (DEFINE HERE)
im_bin = cv2.threshold(im, th, 255, cv
cv2.imwrite('binBrain.png', brain_bw)

脑

binBrain