python-3.x - 如何从 try_all_threshold 中自动选择最佳结果？

Question

我正在对基于文本数字的图像应用阈值处理。使用 skimage.filters.try_all_threshold结果应用了 7 种阈值算法。我能够得到结果，但我正在考虑如何只选择 1 个结果将结果传递给下一个过程/动态选择 1 个最佳结果。

Answer 1

您需要定义一个 相似性度量在原始图像和二值化图像之间，然后选择最大化该度量的阈值方法。
演示
下面的代码只是为了让你走上正轨。注意函数 similarity返回一个随机数而不是一个合理的相似性度量。您应该自己实现它或用适当的函数替换它。

import numpy as np
from skimage.data import text
import skimage.filters
import matplotlib.pyplot as plt

threshold_methods = [skimage.filters.threshold_otsu,
                     skimage.filters.threshold_yen,
                     skimage.filters.threshold_isodata,
                     skimage.filters.threshold_li,
                     skimage.filters.threshold_mean,
                     skimage.filters.threshold_minimum,
                     skimage.filters.threshold_mean,
                     skimage.filters.threshold_triangle,
                     ]

def similarity(img, threshold_method):
    """Similarity measure between the original image img and and the
    result of applying threshold_method to it.
    """
    return np.random.random()

results = np.asarray([similarity(text(), f) for f in threshold_methods])    
best_index = np.nonzero(results == results.min())[0][0]    
best_method = thresholding_methods[best_index]
threshold = best_method(text())
binary = text() >= threshold

fig, ax = plt.subplots(1, 1)
ax.imshow(binary, cmap=plt.cm.gray)
ax.axis('off')
ax.set_title(best_method.__name__)
plt.show(fig)

编辑
显然，随机选择阈值方法是没有意义的(就像我在上面的玩具示例中所做的那样)。相反，您应该实现一个相似性度量，它允许您自动选择最有效的算法。一种可能的方法是计算 错误分类错误 ，即错误分配给前景的背景像素的百分比，相反，错误分配给背景的前景像素的百分比。由于误分类错误是一种不相似性度量而不是相似性度量，因此您必须选择最小化该度量的方法，如下所示:

best_index = np.nonzero(results == results.min())[0][0]

看看 this paper有关此方法和其他阈值性能评估方法的详细信息。