Почему после выравнивания гистограммы (изображение scikit) и метода Otsu mahotas в некоторых изображениях выходят большие белые квадраты?

Question

Я использовал выравнивание гистограмм и приспособление для стирания освещения из полутоновых изображений:

import scipy 
import numpy as np 
import pymorph as pm 
import mahotas as mh 
from skimage import morphology 
from skimage import io 
from matplotlib import pyplot as plt 
from skimage import data, img_as_float 
from skimage import exposure 

mhgray = io.imread(path) 
mhgray = mhgray[:,:,0] 

#thresh = mh.otsu(binimg) 
#gray =(binimg< thresh) 
img = color.rgb2gray(mhgray) 
#img = mhgray #binimg 

#from skimage import exposure 
#print dir(exposure) 

# Contrast stretching 
p2 = np.percentile(img, 2) 
p98 = np.percentile(img, 98) 
#img_rescale = exposure.rescale_intensity(img, in_range=(p2, p98)) 
img_rescale = exposure.rescale_intensity(img, out_range=(0, 255)) 

# Equalization 
img_eq = exposure.equalize_hist(img) 

# Adaptive Equalization 
img_adapteq = exposure.equalize_adapthist(img, clip_limit=0.03) 

но после histogram equalization, я использую OTSU метод:

thresh = mh.otsu(binimg) 
gray =(binimg< thresh) 

значение Thresh для следующего примера является: 16329

Источник изображения:

После выравнивания гистограммы и адаптации:

После метода Otsu:

Изображение, прежде чем Оцу является массивом uint16, после того, как Оцу является NumPy массив BOOL ,

В stackoverflow я предложил использовать выравнивание гистограммы, чтобы избежать проблем с освещением.

Это для серого фона? Как я могу это исправить?

Answer 1

Добавление команды дилатации в приведенном выше примере:

import numpy as np 
import pylab as plt 
from skimage import io, color, filter, exposure, morphology 


img = color.rgb2gray(io.imread('7AEJTuA.jpg')) 

threshold = filter.threshold_otsu(img) 

img_bw = img < threshold 

img_bw_thick = morphology.dilation(img_bw, morphology.disk(6)) 

plt.gray() 
f, (ax0, ax1) = plt.subplots(1, 2) 
ax0.imshow(img) 
ax1.imshow(img_bw_thick) 
plt.show() 

я вижу следующее изображение:

Answer 2

Любая причина, по которой вы не используете встроенную функцию Otsu в skimage?

import numpy as np 
import pylab as plt 
from skimage import io, color, filter, exposure 


img = color.rgb2gray(io.imread('7AEJTuA.jpg')) 
img_rescale = exposure.rescale_intensity(img, out_range=(0, 1)) 

threshold = filter.threshold_otsu(img_rescale) 

plt.gray() 
plt.imshow(img_rescale < threshold) 
plt.show() 

Вы также можете посмотреть на skimage.filter.rank.otsu как альтернатива ...