23 - Сегментация изображений на основе гистограммы в Python

• Сегментация на основе гистограмм использует диапазоны уровней серого для разделения областей изображения.  

• Метод работает, если можно различать области только по уровню серого.  

• Для изображений с разной текстурой и уровнем серого требуется предварительная обработка.  

• Используется среда IDE Spider IDE от Anaconda.  

• Изображение с обратным рассеянием электронов добавлено с искусственным шумом.  

• Планируется использовать шумоподавление и сегментацию для изображения.  

• Импортируются библиотеки для шумоподавления и преобразования изображений в плавающие.  

• Изображения преобразуются в восьмибитные для работы с гистограммой.  

• Импортируются numpy и matplotlib для работы с изображениями.  

• Изображение с шумом преобразуется в плавающее и удаляется шум.  

• Изображение проверяется на наличие ошибок и преобразуется обратно в восьмибитное.  

• Изображение готово для сегментации на основе гистограммы.  

• Изображение без шума преобразуется в восьмибитное для построения гистограммы.  

• Гистограмма строится для определения диапазонов для сегментации.  

• Определяются диапазоны для сегментации на основе гистограммы.  

• Определяются сегменты изображения на основе гистограммы.  

• Создаются четыре сегмента с разными уровнями серого.  

• Изображения сегментируются и объединяются в одно изображение для отображения.  

• Определение изображения и заполнение его сегментами.  

• Создание пустого изображения того же размера, что и целевое изображение.  

• Заполнение изображения нулями.  

• Создание сегментов: красный, зеленый, синий, желтый.  

• Заполнение первого сегмента нулями.  

• Копирование и вставка для повторения процесса.  

• Очистка изображения с помощью фильтров и операций открытия и закрытия.  

• Использование инструментов из программы cpy.  

• Импорт изображения в формате nd.  

• Операция открытия устраняет случайные пиксели.  

• Операция закрытия устраняет случайные пустоты.  

• Применение операций к каждому сегменту.  

• Создание пустого изображения с нулями.  

• Удаление сегментов подчеркивания.  

• Копирование сегментов для добавления цветов к чистому изображению.  

• Проверка на вменяемость и изменение кода.  

• Присвоение красного цвета первому закрытому сегменту.  

• Сохранение и сравнение сегментированного изображения с исходным.  

• Сравнение исходного и сегментированного изображений.  

• Оценка качества сегментации.  

• Рекомендации по улучшению сегментации и переход к следующей теме.