使用具有自适应阈值的掩码？

Question

我正在使用OpenCV-2.3 API在C++中编写一个小程序.我在使用非矩形掩模处理自适应阈值时遇到问题.

到目前为止,我正在对整个图像执行自适应阈值并在之后进行屏蔽.我意识到,在我的情况下,这是一个错误,因为屏蔽像素将用于计算我感兴趣的像素的阈值(虽然我只是想从分析中排除前者)...但是,不像像cv :: norm,cv :: adaptiveThreshold似乎不支持显式掩码.

你知道任何明显的解决方案或解决方法吗？昆汀,非常感谢你的建议

Answer 1

我写了一些Python（抱歉不是C++）代码，可以实现屏蔽自适应阈值。它不是很快，但它可以满足您的要求，并且您可以将其用作 C++ 代码的基础。其工作原理如下：

1. 将图像中的蒙版像素设置为零。
2. 确定每个像素的卷积块内未屏蔽邻居的数量。
3. 执行卷积，并根据块内未屏蔽邻居的数量对其进行平均。这产生像素邻域块内的平均值。
4. 阈值，通过将图像与平均邻域值进行比较，mean_conv
5. 将图像的屏蔽（非阈值）部分添加回来。

图像显示初始图像、掩模、最终处理图像。

这是代码：

import cv
import numpy
from scipy import signal

def thresh(a, b, max_value, C):
    return max_value if a > b - C else 0

def mask(a,b):
    return a if b > 100 else 0

def unmask(a,b,c):
    return b if c > 100 else a

v_unmask = numpy.vectorize(unmask)
v_mask = numpy.vectorize(mask)
v_thresh = numpy.vectorize(thresh)

def block_size(size):
    block = numpy.ones((size, size), dtype='d')
    block[(size - 1 ) / 2, (size - 1 ) / 2] = 0
    return block

def get_number_neighbours(mask,block):
    '''returns number of unmasked neighbours of every element within block'''
    mask = mask / 255.0
    return signal.convolve2d(mask, block, mode='same', boundary='symm')

def masked_adaptive_threshold(image,mask,max_value,size,C):
    '''thresholds only using the unmasked elements'''
    block = block_size(size)
    conv = signal.convolve2d(image, block, mode='same', boundary='symm')
    mean_conv = conv / get_number_neighbours(mask,block)
    return v_thresh(image, mean_conv, max_value,C)

image = cv.LoadImageM("image.png", cv.CV_LOAD_IMAGE_GRAYSCALE)
mask = cv.LoadImageM("mask.png", cv.CV_LOAD_IMAGE_GRAYSCALE)

#change the images to numpy arrays
original_image = numpy.asarray(image)
mask = numpy.asarray(mask)
# Masks the image, by removing all masked pixels.
# Elements for mask > 100, will be processed
image = v_mask(original_image, mask)
# convolution parameters, size and C are crucial. See discussion in link below.
image = masked_adaptive_threshold(image,mask,max_value=255,size=7,C=5)
# puts the original masked off region of the image back
image = v_unmask(original_image, image, mask)
#change to suitable type for opencv
image = image.astype(numpy.uint8)
#convert back to cvmat
image = cv.fromarray(image)

cv.ShowImage('image', image)
#cv.SaveImage('final.png',image)
cv.WaitKey(0)

写完这篇文章后，我发现了这个很棒的链接，它有一个很好的解释和大量图像示例，我在上面的示例中使用了他们的文本图像。

笔记。Numpy 掩码似乎不受 scipy 的尊重signal.convolve2d()，因此上述解决方法是必要的。