二值化图像数据

Question

我有来自BrainWeb 的 10 次灰度脑部 MRI 扫描。它们存储为 4d numpy 数组brains，形状为(10, 181, 217, 181)。 10 个大脑中的每一个都由沿 z 平面（从头顶到颈部）的 181 个切片组成，其中每个切片在 x（耳朵到耳朵）和 y（眼睛到耳朵）中是 181 像素 x 217 像素后脑勺）飞机。

所有的大脑都是dtype('float64')。所有大脑的最大像素强度为~1328，最小值为~0。例如，对于第一个大脑，我通过brains[0].max() 给出1328.338086605072 和brains[0].min() 给出0.0003886114541273855 来计算它。下面是brain[0] 的切片图：

我想通过将像素强度从[0, 1328] 重新缩放到{0, 1} 来对所有这些大脑图像进行二值化处理。 我的方法正确吗？

我首先将像素强度标准化为[0, 1]：

normalized_brains = brains/1328 

然后通过使用二项分布对每个像素进行二值化：

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

绘制的结果看起来正确：

0 像素强度表示黑色（背景），1 像素强度表示白色（大脑）。

我通过实现另一种方法来对来自this post 的图像进行归一化进行实验，但它只给了我一张黑色图像。这是因为np.finfo(np.float64)是1.7976931348623157e+308，所以归一化步骤

normalized_brains = brains/1.7976931348623157e+308

刚刚返回了一个零数组，在二值化步骤中也导致了一个零数组。

我是否使用正确的方法对图像进行二值化？

Answer 1

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)

brain

binBrain

Answer 2

您将图像转换为二进制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度值错觉的糟糕方法。老式打印是一种二元媒体，他们已经微调了几个世纪以来在打印中表示灰度值照片的方法。这个过程被称为halftoning，部分是由纸上墨水的特性决定的，我们不必在二值图像中处理。

那么人们在印刷之外想出了哪些方法呢？有序抖动（主要是Bayer matrix）和error diffusion dithering。在 Wikipedia 上阅读更多关于抖动的信息。几年前我写了一个blog post showing how to implement all of these methods in MATLAB。

我建议您为您的特定应用程序使用误差扩散抖动。这是 Floyd-Steinberg 算法在 MATLAB 中的一些代码（取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)

在应用抖动之前重新采样图像可以大大提高结果：

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

注意，上述过程要求输入在 [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 3

您是否尝试过对图像设置阈值？

这是一个common way 用于二值化图像，而不是尝试应用随机二项分布。您可以尝试以下方法：

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

根据图像值是小于还是大于您选择的阈值返回一个 0 和 1 的数组。

您必须尝试使用​​阈值才能找到最适合您的图像的阈值，但不需要先对其进行归一化。

如果这不起作用，您还可以尝试skimage filters 包中提供的阈值选项。