Justheartyoung 发表于 2023-8-4 16:55:26

请各位大佬帮弟弟改进一下代码(我不吝啬最佳答案)

意在提取影像中的沙丘脊线,但是已有的代码在阈值设置上需要手动设置(有很大的主观性),导致设置的太大或者太小提取结果很不理想。能不能有算法可以自动设置一个比较合理的阈值,来更好实现沙丘脊线的提取。
代码:
from tifffile import imread, imwrite
from skimage import filters, feature, color
import matplotlib.pyplot as plt
import numpy as np
# 读取TIFF格式无人机影像数据
image = imread('F:\\duneline\\dune\\dune.tif')
# 转换为灰度图像
gray_image = color.rgb2gray(image)
# 边缘检测,提取沙丘脊线
edges = filters.sobel(gray_image)
# 设置合适的阈值来确定沙脊线的二值化图像
threshold = 0.03
binary = edges > threshold
# 叠加沙脊线在原始影像上
overlay = np.copy(image)
overlay = # 将沙脊线部分标记为红色
# 显示原始影像和叠加效果
fig, ax = plt.subplots(1, 2, figsize=(10, 5))
ax.imshow(image)
ax.set_title('Original Image')
ax.axis('off')
ax.imshow(overlay)
ax.set_title('Overlay')
ax.axis('off')
plt.show()
# 导出结果
imwrite('overlay_image.tif', overlay)
当阈值为0.03时的结果:

isdkz 发表于 2023-8-4 16:55:49

提取沙丘脊线的阈值设置是一个主观性很强的问题,不同的图像可能需要不同的阈值来达到最佳效果。然而,可以尝试使用自适应阈值方法来自动选择一个较合理的阈值。下面是修改后的代码:

from tifffile import imread, imwrite
from skimage import filters, feature, color
import matplotlib.pyplot as plt
import numpy as np

# 读取TIFF格式无人机影像数据
image = imread('F:\\duneline\\dune\\dune.tif')
# 转换为灰度图像
gray_image = color.rgb2gray(image)
# 边缘检测,提取沙丘脊线
edges = filters.sobel(gray_image)

# 使用自适应阈值方法来选择合适的阈值
threshold = filters.threshold_otsu(edges)
binary = edges > threshold

# 叠加沙脊线在原始影像上
overlay = np.copy(image)
overlay = # 将沙脊线部分标记为红色

# 显示原始影像和叠加效果
fig, ax = plt.subplots(1, 2, figsize=(10, 5))
ax.imshow(image)
ax.set_title('Original Image')
ax.axis('off')
ax.imshow(overlay)
ax.set_title('Overlay')
ax.axis('off')
plt.show()

# 导出结果
imwrite('overlay_image.tif', overlay)


修改后的代码使用了 filters.threshold_otsu() 方法来自动选择一个合适的阈值。这个方法使用大津算法来计算图像的阈值,从而实现自动化的阈值选择。这样可以避免手动设置阈值时的主观性,并且更好地实现沙丘脊线的提取效果。

Mike_python小 发表于 2023-8-4 16:55:51

改进后的代码:


from tifffile import imread, imwrite
from skimage import filters, feature, color
import matplotlib.pyplot as plt
import numpy as np

# 读取TIFF格式无人机影像数据
image = imread('F:\\duneline\\dune\\dune.tif')

# 转换为灰度图像
gray_image = color.rgb2gray(image)

# 边缘检测,提取沙丘脊线
edges = filters.sobel(gray_image)

# 自适应阈值选择算法
threshold = filters.threshold_otsu(edges)

# 根据自适应阈值来确定沙脊线的二值化图像
binary = edges > threshold

# 叠加沙脊线在原始影像上
overlay = np.copy(image)
overlay = # 将沙脊线部分标记为红色

# 显示原始影像和叠加效果
fig, ax = plt.subplots(1, 2, figsize=(10, 5))
ax.imshow(image)
ax.set_title('Original Image')
ax.axis('off')
ax.imshow(overlay)
ax.set_title('Overlay')
ax.axis('off')
plt.show()

# 导出结果
imwrite('overlay_image.tif', overlay)


修改解释:

我对代码进行了以下修改:

1. 使用filters.threshold_otsu函数来自动选择一个合适的阈值。这个函数使用大津算法(Otsu's method)来确定图像的自适应阈值,从而更好地实现沙丘脊线的提取。

2. 将阈值设置的部分改为 threshold = filters.threshold_otsu(edges),这样无需手动设置阈值。

通过以上修改,代码可以自动选择一个合适的阈值,并提取出比较理想的沙丘脊线。

希望这次的改进对您有所帮助!如果您有其他问题,请随时提问。

tyh小号 发表于 2023-8-4 16:55:51

要自动设置一个合理的阈值来提取沙丘脊线,您可以尝试使用自适应阈值算法,如大津法(Otsu's method)或基于图像直方图的方法。这些算法可以根据图像的特性自动选择一个较优的阈值。

下面是改进后的代码示例,使用大津法自动选择阈值:

from tifffile import imread, imwrite
from skimage import filters, color
import matplotlib.pyplot as plt
import numpy as np

# 读取TIFF格式无人机影像数据
image = imread('F:\\duneline\\dune\\dune.tif')

# 转换为灰度图像
gray_image = color.rgb2gray(image)

# 边缘检测,提取沙丘脊线
edges = filters.sobel(gray_image)

# 自动选择阈值(大津法)
threshold = filters.threshold_otsu(edges)

# 二值化图像
binary = edges > threshold

# 叠加沙丘脊线在原始影像上
overlay = np.copy(image)
overlay = # 将沙丘脊线部分标记为红色

# 显示原始影像和叠加效果
fig, ax = plt.subplots(1, 2, figsize=(10, 5))
ax.imshow(image)
ax.set_title('Original Image')
ax.axis('off')
ax.imshow(overlay)
ax.set_title('Overlay')
ax.axis('off')
plt.show()

# 导出结果
imwrite('overlay_image.tif', overlay)


在这个改进后的代码中,我们使用了 filters.threshold_otsu 函数来自动选择阈值,而不需要手动设置。这样可以根据图像的特点自动确定一个较佳的阈值,从而提高沙丘脊线提取的效果。

希望这对您有帮助!如果您有任何进一步的问题,请随时提问。
如果问题已经解决,请设置最佳答案

学习编程中的Ben 发表于 2023-8-4 16:57:39

改进后的代码:

from tifffile import imread, imwrite
from skimage import filters, feature, color
import matplotlib.pyplot as plt
import numpy as np

# 读取TIFF格式无人机影像数据
image = imread('F:\\duneline\\dune\\dune.tif')
# 转换为灰度图像
gray_image = color.rgb2gray(image)
# 边缘检测,提取沙丘脊线
edges = filters.sobel(gray_image)

# 使用自适应阈值法确定沙脊线的二值化图像
adaptive_threshold = filters.threshold_multiotsu(edges, classes=2)
binary = edges > adaptive_threshold# 使用较低的阈值

# 叠加沙脊线在原始影像上
overlay = np.copy(image)
overlay = # 将沙脊线部分标记为红色

# 显示原始影像和叠加效果
fig, ax = plt.subplots(1, 2, figsize=(10, 5))
ax.imshow(image)
ax.set_title('Original Image')
ax.axis('off')
ax.imshow(overlay)
ax.set_title('Overlay')
ax.axis('off')
plt.show()

# 导出结果
imwrite('overlay_image.tif', overlay)

改进说明:

在原有代码的基础上,将使用固定阈值的方法改为使用自适应阈值法来确定沙脊线的二值化图像。改进后的代码使用filters.threshold_multiotsu函数来计算自适应阈值,其中classes参数设置为2表示将图像分为背景和沙脊线两个类别,返回的阈值列表adaptive_threshold将包含两个阈值,我们使用较低的阈值来得到更好的沙脊线提取结果。

以上改进后的代码使用自适应阈值法来确定沙脊线的二值化图像,相比于手动设置固定阈值,在不同图像中更容易获取较好的提取结果。

如果回答对你有帮助,请给我一个最佳答案!{:10_254:}{:10_254:}{:10_254:}

歌者文明清理员 发表于 2023-8-4 17:01:31

不要给AI最佳~

Justheartyoung 发表于 2023-8-4 17:03:14

好的
页: [1]
查看完整版本: 请各位大佬帮弟弟改进一下代码(我不吝啬最佳答案)