numpy自适应阈值公式

我想根据灰度图像（点数为2到255之间的点数值的numpy 2D数组）计算阈值。numpy自适应阈值公式

的公式如下：

equation http://www.sciweavers.org/tex2img.php?eq=T%3D%202%2F%28w%2Ah%29%20%5Csum_%7Bi%3D0%7D%5E%7Bw-1%7D%20%5Csum_%7Bj%3D0%7D%5E%7Bh-1%7D%20S%28i%2Cj%29&bc=White&fc=Black&im=jpg&fs=12&ff=arev&edit=0

其中，w，H是宽度和我的图像S的高度，S（I，J）点的值。

我的实现如下：

h,w = sMap.shape 
adapTresh = np.sum(sMap)*2/(w*h)

但对于我的一些图片的这个总回来> 255，所以我认为有问题的地方，我使用numpy的错误（再次）？

我对Python不熟悉，我2天前开始使用，所以请原谅我，如果这是一个愚蠢的问题。

print w,h 
>> 411,410 
print 2/(w*h), np.sum(sMap), adapTresh 
>> 0 22461727 266

来源

2015-06-07 xShirase

你应该propably检查什么是'2 /（W * H）'回报一如既往得是围绕分工谨慎。 – Endzior

实际上，它打印0，但计算结果是正确的，所以我相信错误是在总和？ – xShirase

尝试使用2.0而不是2 – ZdaR

那么在你的矩阵中的所有单元格中的平均值为：

avg = np.sum(sMap)/(w * h)

并且在极端情况下，所有的细胞都等于255，这样

avg = 255

对于示例

In [8]: M = 255 * np.ones(4).reshape((2,2)) 

In [12]: M 
Out[12]: 
array([[ 255., 255.], 
     [ 255., 255.]]) 

In [9]: M.sum() * (2.0/sum(M.shape)) 
Out[9]: 510.0

因此，我认为你的自适应阈值功能是错误的。你也许打算

In [11]: M.sum()/sum(M.shape) 
Out[11]: 255.0

来源

2015-06-07 20:24:47 fivetentaylor

mmm，我需要考虑这一点，公式是正确的，而且空白图像生成一个完整的面具是合乎逻辑的。我使用了以下文章作为参考：http://www.jdl.ac.cn/doc/2011/201311114474757481_a%20simple%20and%20effective%20saliency%20detection%20approach.pdf – xShirase

这是您的问题！在你的链接论文中，S被定义为S（i，j）= s'（i，j）×f（i，j）。这不是一个简单的总和，你需要实现已经完成的s'（x），f（x）和S（x） – fivetentaylor

，显着性图是好的，呈现为它应该没有问题的那边只是我看不出来的阈值:) – xShirase

numpy自适应阈值公式

回答

相关问题