图像数据二值化

Question

我有来自BrainWeb的10个灰度脑MRI扫描。它们被存储为4D numpy数组brains，形状为(10, 181, 217, 181)。每个脑由181个z平面沿着z轴（通过头顶到颈部）组成，其中每个切片在x（耳朵到耳朵）和y（眼睛到后脑）平面分别为181个像素和217个像素。

所有的脑都是dtype('float64')类型。所有脑中的最大像素强度为~1328，最小值为~0。例如，对于第一个脑，我通过brains[0].max()计算得到1328.338086605072，brains[0].min()计算得到0.0003886114541273855。下面是brain[0]切片的绘图：

我希望将所有这些脑部图像二值化，通过重新调整像素强度从[0, 1328]到{0, 1}。我的方法正确吗？

首先，我将像素强度归一化为[0, 1]：

normalized_brains = brains/1328 

然后通过使用二项分布将每个像素二值化：

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

绘制的结果看起来正确：

0像素强度代表黑色（背景），1像素强度代表白色（脑组织）。

我尝试了另一种从this post正常化图像的方法，但结果只是一张黑色图片。这是因为np.finfo(np.float64)等于1.7976931348623157e+308，所以无法正常化。

normalized_brains = brains/1.7976931348623157e+308

我刚刚返回了一个零数组，这在二值化步骤中也导致了一个零数组。

我使用的方法正确吗？

- ajohnrobertson

---

你的归一化是正确的，最终得到了二值图像，所以我猜这也没问题。但我不知道你在这里的意图是什么。有数百万种将图像二值化的方法，它们都有不同的目的。你在这里做的是一种非常差的抖动形式，有更好的方法可以获得一幅二值图像，从而捕捉原始灰度值。但它们唯一的用途是在非常有限的设备上进行视觉输出。那么，你想用二值图像做什么？ - Cris Luengo

我想将数据二值化的原因是，我想尝试使用类似于这里的卷积变分自编码器。 - ajohnrobertson

当将像素建模为二进制变量时，模型的重构损失更容易计算。 - ajohnrobertson

Answer 1

您将图像转换为二进制图像的方法基本上是随机抖动，这是一种在二进制介质上创建灰度值幻觉的较差方法。传统印刷是一种二进制介质，几个世纪以来他们已经精细调整了在印刷中表示灰度照片的方法。这个过程称为半色调处理，在某种程度上受到墨水在纸张上的特性的影响，在二进制图像中我们不必处理这些特性。

那么人们在印刷之外想出了什么方法呢？有顺序抖动（主要是 Bayer 矩阵）和误差扩散抖动。在维基百科上了解更多关于抖动的信息。我几年前写了一篇博客文章展示如何在MATLAB中实现所有这些方法。

我建议您在您的特定应用中使用误差扩散抖动。这里是一些MATLAB代码（来自我上面提到的博客文章）用于Floyd-Steinberg算法，希望您能将其翻译成Python：

img = imread('https://istack.dev59.com/d5E9i.webp');
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)

在应用抖动之前对图像进行重新采样可以极大地改善结果：

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

请注意，上述过程期望输入值在[0,255]范围内。很容易适应不同的范围，比如[0,1328]或[0,1]，但是将图像缩放到[0,255]范围也很容易。

- Cris Luengo

Answer 2

您尝试过对图像进行阈值处理吗？

这是一种常见的方法，用于将图像二值化，而不是尝试应用随机二项分布。您可以尝试类似以下的操作：

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

该函数根据图像值是否小于或大于您选择的阈值值返回一个由0和1组成的数组。

您需要尝试不同的阈值值来找到最适合您的图像的那个，但它不需要先进行归一化处理。

如果这种方法效果不佳，您还可以尝试skimage filters软件包中提供的阈值选项。

- ICB

---

是否适用于OP的目的，取决于OP是否指定了目的。我建议在问题清晰明确之前不要回答问题，否则当问题得到澄清时，您可能会面临负评的风险。 - Cris Luengo

我想将数据二值化的原因是，我想尝试使用类似于这里的卷积变分自编码器。我在原始帖子中没有提到这一点，因为我对寻找有效的图像数据二值化方法感兴趣。 - ajohnrobertson

Answer 3

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

这段内容与编程有关。

- fati