Python图像处理（6）：分离土壤与植物，,快乐虾http://

Python图像处理（6）：分离土壤与植物，,快乐虾http://

快乐虾

http://blog.csdn.net/lights_joy/

欢迎转载，但请保留作者信息

下面尝试分离图片中的土壤与植物，目标是取得绿色植物图像，将土壤背景变为黑色。测试图像：

首先使用2g-r-b得到一个灰度图及其直方图：

# -*- coding: utf-8 -*- import cv2import numpy as npimport matplotlib.pyplot as plt# 使用2g-r-b分离土壤与背景src = cv2.imread(‘f:\\tmp\\cotton.jpg‘)cv2.imshow(‘src‘, src)# 转换为浮点数进行计算fsrc = np.array(src, dtype=np.float32) / 255.0(b,g,r) = cv2.split(fsrc)gray = 2 * g - b - r# 求取最大值和最小值(minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(gray)# 计算直方图hist = cv2.calcHist([gray], [0], None, [256], [minVal, maxVal])plt.plot(hist)plt.show()cv2.waitKey()

原来在计算直方图之前都先把它转换为u8的类型，现在看起来完全是多余的！只需要给出级数和最大最小值就可以了！

最后得到了2g-r-b的直方图：

再用OTSU对2g-r-b的灰度图进行二值化：

# 转换为u8类型，进行otsu二值化gray_u8 = np.array((gray - minVal) / (maxVal - minVal) * 255, dtype=np.uint8)(thresh, bin_img) = cv2.threshold(gray_u8, -1.0, 255, cv2.THRESH_OTSU)cv2.imshow(‘bin_img‘, bin_img)

然后就得到了一个很好的二值图像：

以此为掩码得到彩色的植株图像：

# 得到彩色的图像(b8, g8, r8) = cv2.split(src)color_img = cv2.merge([b8 & bin_img, g8 & bin_img, r8 & bin_img])

看看结果：

基本符合我们的预期。

Python图像处理（6）：分离土壤与植物